RADIOGAN：用于生成PET图像的深度卷积条件生成对抗网络
图像与视频处理
2021-04-16 v1 计算机视觉与模式识别
机器学习
摘要
医学成像中最具挑战性的问题之一是数据匮乏。已证明经典数据增强方法有用，但由于图像间的巨大差异而仍然有限。使用生成对抗网络(GAN)是解决此问题的一个有前景的途径，然而，训练一个模型生成不同类别的病灶具有挑战性。本文中，我们提出一种深度卷积条件生成对抗网络，以根据不同的病灶或非病灶（正常）生成MIP正电子发射断层扫描图像(PET)，PET是一种代表三维体以供快速解读的二维图像。我们提出方法的优势在于：一个模型能够在每类病灶小样本量上训练并生成不同类别的病灶，且展示出非常有前景的结果。此外，我们展示了潜空间中的游走可用作评估所生成图像的工具。
引用
@article{arxiv.2003.08663,
title = {RADIOGAN: Deep Convolutional Conditional Generative adversarial Network To Generate PET Images},
author = {Amine Amyar and Su Ruan and Pierre Vera and Pierre Decazes and Romain Modzelewski},
journal= {arXiv preprint arXiv:2003.08663},
year = {2021}
}
备注
4 pages, 5 figures