PSIGAN：基于联合概率分割与图像分布匹配的无配对跨模态自适应 MRI 分割
图像与视频处理
2021-07-20 v2 计算机视觉与模式识别
摘要
我们提出了一种新的联合概率分割与图像分布匹配生成对抗网络（PSIGAN），用于基于磁共振（MRI）图像的无监督域自适应（UDA）和多器官分割。我们的 UDA 方法使用一种新的结构判别器将图像与其分割之间的相互依赖建模为联合概率分布。该结构判别器通过将生成的伪 MRI 与同时训练的分割子网络生成的概率分割相结合，计算关注感兴趣结构的对抗损失。分割子网络使用生成器子网络产生的伪 MRI 进行训练。这导致了生成器和分割子网络的循环优化，二者作为端到端网络的一部分进行联合训练。我们在四种不同的 MRI 序列上进行了大量实验并与多种最先进方法比较，共计 257 次扫描，用于生成多器官和肿瘤分割。实验包括：(a) 20 例 T1 加权（T1w）同相 mdixon 和 (b) 20 例 T2 加权（T2w）腹部 MRI，用于分割肝脏、脾脏、左肾和右肾；(c) 162 例 T2 加权脂肪抑制头颈 MRI（T2wFS）用于腮腺分割；(d) 75 例 T2w MRI 用于肺肿瘤分割。我们的方法在腹部器官的 T1w 上取得了 0.87 的总体平均 DSC，在 T2w 上为 0.90，在 T2wFS 上对腮腺为 0.82，在 T2w MRI 上对肺肿瘤为 0.77。
引用
@article{arxiv.2007.09465,
title = {PSIGAN: Joint probabilistic segmentation and image distribution matching for unpaired cross-modality adaptation based MRI segmentation},
author = {Jue Jiang and Yu Chi Hu and Neelam Tyagi and Andreas Rimner and Nancy Lee and Joseph O. Deasy and Sean Berry and Harini Veeraraghavan},
journal= {arXiv preprint arXiv:2007.09465},
year = {2021}
}
备注
This paper has been accepted by IEEE Transactions on Medical Imaging