OTRE：当最优传输引导的无配对图像到图像翻译遇见正则化增强
图像与视频处理
2023-04-11 v4 计算机视觉与模式识别
机器学习
摘要
非散瞳视网膜彩色眼底照相（CFP）因无需瞳孔扩张而广泛可用，但由于操作者、系统性缺陷或患者相关原因而易受质量不佳的影响。准确的医学诊断和自动分析要求最佳的视网膜图像质量。在此，我们利用最优传输（OT）理论提出一种无配对图像到图像翻译方案，用于将低质量视网膜 CFP 映射为高质量对应图像。此外，为提高我们的图像增强流程在临床实践中的灵活性、鲁棒性和适用性，我们推广了一种最先进的基于模型的图像重建方法——去噪正则化（regularization by denoising），将我们 OT 引导的图像到图像翻译网络学习到的先验嵌入其中。我们将其命名为正则化增强（RE）。我们在三个公开可用的视网膜图像数据集上验证了集成框架 OTRE，通过评估增强后的质量及其在各种下游任务（包括糖尿病视网膜病变分级、血管分割和糖尿病病灶分割）上的性能。实验结果表明，我们提出的框架优于一些最先进的无监督竞争对手和一种最先进的监督方法。
引用
@article{arxiv.2302.03003,
title = {OTRE: Where Optimal Transport Guided Unpaired Image-to-Image Translation Meets Regularization by Enhancing},
author = {Wenhui Zhu and Peijie Qiu and Oana M. Dumitrascu and Jacob M. Sobczak and Mohammad Farazi and Zhangsihao Yang and Keshav Nandakumar and Yalin Wang},
journal= {arXiv preprint arXiv:2302.03003},
year = {2023}
}
备注
Accepted as a conference paper to The 28th biennial international conference on Information Processing in Medical Imaging (IPMI 2023)