CT 与 MR 间结构感知的双向非配对图像到图像翻译
图像与视频处理
2020-06-08 v1 计算机视觉与模式识别
摘要
磁共振（MR）成像和计算机断层扫描（CT）是常用于手术规划和分析的主要诊断成像模态。医学成像的一个普遍问题是采集过程昂贵且耗时。生成对抗网络（GANs）等深度学习技术可帮助我们利用多成像模态间图像到图像翻译的可能性，从而有助于节省时间和成本。这些技术将有助于在 CT 下借助 MRI 信息反馈进行手术规划。尽管先前研究已展示从 MR 到 CT 的配对与非配对图像合成，但从 CT 到 MR 的图像合成仍具挑战性，因其涉及额外组织信息的添加。在本稿中，我们在骨盆数据集上实现了两种不同变体的生成对抗网络，利用 CT 与 MR 图像模态间的循环一致性与结构相似性，从而促进这些图像模态间内容与风格的双向交换。所提出的 GANs 通过不同机制翻译输入医学图像，因此生成图像不仅看起来真实，而且在各项对比指标上表现良好，这些图像也已由放射科医生交叉验证。放射科医生验证表明，生成的 MR 和 CT 图像中的细微差异可能与其真实对应图像不完全相同，但可用于医疗目的。
引用
@article{arxiv.2006.03374,
title = {Structurally aware bidirectional unpaired image to image translation between CT and MR},
author = {Vismay Agrawal and Avinash Kori and Vikas Kumar Anand and Ganapathy Krishnamurthi},
journal= {arXiv preprint arXiv:2006.03374},
year = {2020}
}
备注
9 pages, 4 figures