用于改进肝病分类的真实超声图像合成
图像与视频处理
2021-12-21 v1 机器学习
摘要
随着基于深度学习的方法在医学图像分析中的成功应用，卷积神经网络（CNNs）已被研究用于从超声（US）数据分类肝病。然而，可用的大规模标注超声数据的稀缺阻碍了CNNs从超声数据分类肝病的成功。在这项工作中，我们提出了一种新颖的生成对抗网络（GAN）架构，用于合成真实的患病与健康肝脏超声图像。我们采用堆叠的概念来合成真实的肝脏超声数据。对从55名受试者收集的550张体内B超肝脏超声图像进行了定量与定性评估。我们还表明，合成图像与真实体内数据一起，可显著改善传统CNN架构用于非酒精性脂肪肝病（NAFLD）分类的性能。
引用
@article{arxiv.2107.12775,
title = {Realistic Ultrasound Image Synthesis for Improved Classification of Liver Disease},
author = {Hui Che and Sumana Ramanathan and David Foran and John L Nosher and Vishal M Patel and Ilker Hacihaliloglu},
journal= {arXiv preprint arXiv:2107.12775},
year = {2021}
}
备注
Accepted for presentation at the 2021 MICCAI-International Workshop of Advances in Simplifying Medical UltraSound (ASMUS2021)