关于 GAN 生成的心脏 MRI 用于分割的有效性
图像与视频处理
2020-05-25 v2 计算机视觉与模式识别
摘要
在这项工作中，我们提出了一种变分自编码器（VAE）—生成对抗网络（GAN）模型，该模型能够生成高度逼真的 MRI 及其像素级精确真值，用于电影 MR 图像心脏分割。我们模型的一侧是一个变分自编码器（VAE），经训练学习心脏形状的潜在表示。另一侧是一个使用“空间自适应（反）归一化”（SPADE）模块生成针对给定解剖图谱定制的逼真 MR 图像的 GAN。在测试时，对 VAE 潜在空间的采样允许生成任意大量的心脏形状，这些形状被输入 GAN，随后 GAN 生成心脏结构与该心脏形状相符的 MR 图像。换言之，我们的系统可以生成大量逼真且带标签的心脏 MR 图像。我们表明，使用我们合成标注图像训练的 CNN 进行分割，相比传统技术具有竞争力。我们还表明，将数据增强与我们的 GAN 生成图像相结合，可使 Dice 分数提高多达 12%，同时允许在其他数据集上具备更好的泛化能力。
引用
@article{arxiv.2005.09026,
title = {On the effectiveness of GAN generated cardiac MRIs for segmentation},
author = {Youssef Skandarani and Nathan Painchaud and Pierre-Marc Jodoin and Alain Lalande},
journal= {arXiv preprint arXiv:2005.09026},
year = {2020}
}
备注
4 pages, Accepted for MIDL 2020