使用生成对抗网络对胸透图像中的肺部进行分割
图像与视频处理
2020-09-15 v1 计算机视觉与模式识别
机器学习
摘要
胸部 X 光（CXR）是一种低成本的医学成像技术。与 MRI、CT 和 PET 扫描相比，它是识别许多呼吸系统疾病的常用手段。本文提出使用生成对抗网络（GAN）对给定 CXR 执行肺部分割任务。GAN 因通过学习从一个域到另一个域的映射来生成逼真数据而广受欢迎。在我们的工作中，GAN 的生成器被训练用于生成给定输入 CXR 的分割掩码。判别器区分真实掩码与生成掩码，并通过对抗损失度量更新生成器。目标是为输入 CXR 生成与真实掩码相比尽可能逼真的掩码。该模型使用四种不同的判别器（分别记为 D1、D2、D3 和 D4）进行训练与评估。在三个不同 CXR 数据集上的实验结果表明，所提模型能够达到 0.9740 的 dice 系数和 0.943 的 IOU 分数，优于其他已报道的最先进结果。
引用
@article{arxiv.2009.05752,
title = {Segmentation of Lungs in Chest X-Ray Image Using Generative Adversarial Networks},
author = {Faizan Munawar and Shoaib Azmat and Talha Iqbal and Christer Grönlund and Hazrat Ali},
journal= {arXiv preprint arXiv:2009.05752},
year = {2020}
}
备注
Volume 8, August 2020, Pages 153535 - 153545