SkrGAN：用于医学图像合成的草图-渲染无条件生成对抗网络
计算机视觉与模式识别
2019-08-14 v1 图像与视频处理
摘要
生成对抗网络（GANs）具有合成图像的能力，已成功应用于医学图像合成任务。然而，现有多数方法仅考虑全局上下文信息而忽略精细的前景结构，例如血管、骨骼，其可能包含医学图像分析的诊断指标。受由勾画与着色步骤构成的人类绘画过程启发，我们提出一种草图-渲染无条件生成对抗网络（SkrGAN），引入草图先验约束以引导医学图像生成。在我们的 SkrGAN 中，利用草图引导模块从随机噪声生成高质量结构草图，随后使用颜色渲染映射来嵌入基于草图的表示并还原背景外观。实验结果表明，所提出的 SkrGAN 在合成多种图像模态（包括视网膜彩色眼底、X 射线、计算机断层扫描（CT）与磁共振成像（MRI））图像方面达到了最先进的结果。此外，我们还展示了通过使用我们合成的图像作为数据增强，医学图像分割方法的性能得到了提升。
引用
@article{arxiv.1908.04346,
title = {SkrGAN: Sketching-rendering Unconditional Generative Adversarial Networks for Medical Image Synthesis},
author = {Tianyang Zhang and Huazhu Fu and Yitian Zhao and Jun Cheng and Mengjie Guo and Zaiwang Gu and Bing Yang and Yuting Xiao and Shenghua Gao and Jiang Liu},
journal= {arXiv preprint arXiv:1908.04346},
year = {2019}
}
备注
Accepted to MICCAI 2019