用于高分辨率医学图像内存高效生成的多尺度 GAN
图像与视频处理
2019-07-09 v2 计算机视觉与模式识别
摘要
目前生成对抗网络(GANs)很少应用于大尺寸医学图像,尤其是 3D 体数据,因其计算需求巨大。我们提出一种新颖的基于多尺度块的 GAN 方法来生成大型高分辨率 2D 与 3D 图像。我们的核心思路是先学习图像的低分辨率版本,再以前一尺度为条件生成分辨率逐级递增的块。在域翻译用例场景中,生成了尺寸为 512x512x512 的 3D 胸部 CT 与尺寸为 2048x2048 的胸部 X 光,并且我们表明,由于本方法恒定的 GPU 内存需求,可生成任意大的高分辨率图像。此外,与常见基于块的方法相比,我们的多分辨率方案能带来更好的图像质量并避免块伪影。
引用
@article{arxiv.1907.01376,
title = {Multi-scale GANs for Memory-efficient Generation of High Resolution Medical Images},
author = {Hristina Uzunova and Jan Ehrhardt and Fabian Jacob and Alex Frydrychowicz and Heinz Handels},
journal= {arXiv preprint arXiv:1907.01376},
year = {2019}
}
备注
Accepted at MICCAI 2019