基于多方向感知 GAN 的阿尔茨海默病形态学特征可视化
图像与视频处理
2021-11-29 v1 计算机视觉与模式识别
摘要
阿尔茨海默病 (AD) 早期阶段的诊断对于及时治疗以延缓进一步恶化至关重要。可视化 AD 早期的形态学特征具有重大的临床价值。本文提出了一种新颖的多方向感知生成对抗网络 (MP-GAN)，用于可视化指示不同阶段患者 AD 严重程度的形态学特征。具体而言，通过在模型中引入新颖的多方向映射机制，所提出的 MP-GAN 能够高效捕获显著的全局特征。因此，通过利用来自生成器的类别判别图，所提出的模型能够通过源域与预定义目标域之间的 MR 图像转换，清晰地描绘出细微病灶。此外，通过整合对抗损失、分类损失、循环一致性损失和 \emph{L}1 惩罚，MP-GAN 中的单个生成器可以学习多类别的类别判别图。在阿尔茨海默病神经影像学计划 (ADNI) 数据集上的大量实验结果表明，MP-GAN 与现有方法相比取得了更优的性能。MP-GAN 可视化的病灶也与临床医生的观察结果一致。
引用
@article{arxiv.2111.12886,
title = {Morphological feature visualization of Alzheimer's disease via Multidirectional Perception GAN},
author = {Wen Yu and Baiying Lei and Yanyan Shen and Shuqiang Wang and Yong Liu and Zhiguang Feng and Yong Hu and Michael K. Ng},
journal= {arXiv preprint arXiv:2111.12886},
year = {2021}
}