用于低剂量 CT 模拟的噪声纠缠 GAN
图像与视频处理
2021-02-22 v1 计算机视觉与模式识别
摘要
我们提出一种噪声纠缠 GAN（NE-GAN），用于由较高剂量 CT 图像模拟低剂量计算机断层扫描（CT）图像。首先，我们给出两种方案从高通量 CT 图像生成干净 CT 图像与噪声图像。然后，给定这些生成的图像，提出 NE-GAN 以模拟不同水平的低剂量 CT 图像，其中所生成噪声的水平可由噪声因子连续控制。NE-GAN 由生成器与一组判别器组成，判别器数量由训练时的噪声水平数决定。与通常在实际应用中不可得的基于投影数据的传统方法相比，NE-GAN 可直接从真实和/或模拟 CT 图像学习，并可能快速创建低剂量 CT 图像而无需原始数据或其他专有 CT 扫描仪信息。实验结果表明，所提方法具有模拟真实低剂量 CT 图像的潜力。
引用
@article{arxiv.2102.09615,
title = {Noise Entangled GAN For Low-Dose CT Simulation},
author = {Chuang Niu and Ge Wang and Pingkun Yan and Juergen Hahn and Youfang Lai and Xun Jia and Arjun Krishna and Klaus Mueller and Andreu Badal and KyleJ. Myers and Rongping Zeng},
journal= {arXiv preprint arXiv:2102.09615},
year = {2021}
}