基于非局部部分卷积的多发性硬化病灶修复
计算机视觉与模式识别
2019-09-09 v3 机器学习
机器学习
摘要
多发性硬化(MS)是一种中枢神经系统的炎症性脱髓鞘疾病,会导致灰质和白质的局灶性损伤。白质病灶的存在会使形态测量分析产生偏倚,例如配准、个体纵向测量以及用于脑体积测量的组织分割。利用源自周围健康组织的强度进行病灶修复是缓解此类问题的一种方法。然而,现有方法基于局部周围组织衍生的纹理信息来修复病灶,常导致修复不一致并产生强度差异和模糊等伪影。基于这些观察,我们提出了非局部部分卷积(NLPC),其将类Unet网络与非局部模块相集成。非局部模块用于捕获病灶区域与剩余正常外观脑区之间的长程依赖关系。随后,通过参考具有更相似特征的正常外观区域来填充病灶区域。该方法生成的修复区域看起来更真实自然。我们的定量实验结果也证明了该技术相对于现有最先进修复方法的优越性。
引用
@article{arxiv.1901.00055,
title = {Multiple Sclerosis Lesion Inpainting Using Non-Local Partial Convolutions},
author = {Hao Xiong and Chaoyue Wang and Dacheng Tao and Michael Barnett and Chenyu Wang},
journal= {arXiv preprint arXiv:1901.00055},
year = {2019}
}
备注
We make significant changes to the paper and do not plan to submit current version to arXiv until it is accepted