STAN-CT：使用生成对抗网络标准化 CT 图像
图像与视频处理
2020-04-06 v1 计算机视觉与模式识别
机器学习
摘要
计算机断层扫描（CT）在肺部恶性肿瘤诊断和疗效评估以及促进精准医疗实施方面发挥着重要作用。然而，个性化成像协议的使用对大规模跨中心 CT 图像放射组学研究提出了挑战。我们提出了一种称为 STAN-CT 的端到端解决方案，用于 CT 图像标准化与归一化，其有效减少了因使用不同成像协议或使用相同成像协议的不同 CT 扫描仪所引起的图像特征差异。STAN-CT 由两个部分组成：1）一种新颖的生成对抗网络（GAN）模型，能够以仅少量轮次的生成器训练有效学习标准成像协议的数据分布；2）一个带有系统性图像质量控制的自动 DICOM 重建流水线，确保生成高质量的标准 DICOM 图像。实验结果表明，与最先进的 CT 图像标准化与归一化算法相比，STAN-CT 的训练效率和模型性能均得到显著提升。
引用
@article{arxiv.2004.01307,
title = {STAN-CT: Standardizing CT Image using Generative Adversarial Network},
author = {Md Selim and Jie Zhang and Baowei Fei and Guo-Qiang Zhang and Jin Chen},
journal= {arXiv preprint arXiv:2004.01307},
year = {2020}
}
备注
10 pages, 5 figures