使用 2D 切片 VAE 建模 3D 脑 MRI 的分布
图像与视频处理
2020-07-10 v1 计算机视觉与模式识别
摘要
概率建模一直是医学图像分析中的重要工具，尤其用于分析脑磁共振图像 (MRI)。近期用于估计高维分布的深度学习技术，特别是变分自编码器 (VAEs)，为概率建模开辟了新途径。然而，体数据建模仍然是一项挑战，因为可用计算和训练数据的限制使得难以有效利用已针对 2D 图像充分发展的 VAEs。我们提出了一种通过结合 2D 切片 VAE 与捕捉切片间关系的高斯模型来建模 3D MR 脑体数据分布的方法。具体做法是在 2D 模型的潜空间沿切片方向估计样本均值和协方差。该组合模型让我们能够采样新的连贯潜变量栈，并解码为体的切片。我们还引入了一种针对生成体的新评估方法，量化其分割与真实脑解剖结构的匹配程度。我们证明，根据传统指标和我们提出的评估方法，我们所提模型在生成高分辨率高质量体数据方面具有竞争力。
引用
@article{arxiv.2007.04780,
title = {Modelling the Distribution of 3D Brain MRI using a 2D Slice VAE},
author = {Anna Volokitin and Ertunc Erdil and Neerav Karani and Kerem Can Tezcan and Xiaoran Chen and Luc Van Gool and Ender Konukoglu},
journal= {arXiv preprint arXiv:2007.04780},
year = {2020}
}
备注
accepted for publication at MICCAI 2020. Code available https://github.com/voanna/slices-to-3d-brain-vae/