基于生成对抗网络的磁共振对比度感知图像到图像翻译
图像与视频处理
2022-02-23 v1 计算机视觉与模式识别
摘要
目的 磁共振成像（MRI）检查通常由多个序列组成，产生不同的图像对比度。每个序列通过多个采集参数进行参数化，这些参数影响图像对比度、信噪比、采集时间和/或分辨率。根据临床指征，放射科医生需要不同对比度以做出诊断。由于 MR 序列采集耗时且采集图像可能因运动而受损，需要一种能合成具有可调对比度属性的 MR 图像的方法。方法 因此，我们训练了一个以 MR 采集参数重复时间和回波时间为条件的图像到图像生成对抗网络。我们的方法受风格迁移网络启发，而图像“风格”在我们的情况下是显式给定的，因为它由我们所条件化的 MR 采集参数决定。结果 这使我们能够合成具有可调图像对比度的 MR 图像。我们在 fastMRI 数据集（一个大型公开 MR 膝关节图像集）上评估了该方法，表明在将非脂肪饱和 MR 图像翻译为脂肪饱和图像方面，我们的方法优于基准 pix2pix 方法。我们的方法峰值信噪比与结构相似性分别为 24.48 和 0.66，显著超越 pix2pix 基准模型。结论 我们的模型是首个实现精细对比度合成的模型，可用于合成缺失的 MR 对比度或作为 MRI 中 AI 训练的数据增强技术。
引用
@article{arxiv.2104.01449,
title = {MR-Contrast-Aware Image-to-Image Translations with Generative Adversarial Networks},
author = {Jonas Denck and Jens Guehring and Andreas Maier and Eva Rothgang},
journal= {arXiv preprint arXiv:2104.01449},
year = {2022}
}