面向多发性硬化脑图像的受试者特异性病灶生成与伪健康合成
图像与视频处理
2022-08-04 v1 计算机视觉与模式识别
机器学习
摘要
理解脑病灶的强度特征对于在神经学研究中定义基于图像的生物学标志物以及预测疾病负担和结局至关重要。在本工作中，我们提出了一种新颖的基于前景的生成方法，用于建模局部病灶特征，该方法既能在健康图像上生成合成病灶，又能从病理图像合成受试者特异性的伪健康图像。此外，所提方法可用作数据增强模块，生成合成图像以训练脑图像分割网络。在磁共振成像（MRI）获取的多发性硬化（MS）脑图像上的实验表明，所提方法能够生成高度真实的伪健康和伪病理脑图像。与使用传统数据增强方法以及近期一种病灶感知数据增强技术 CarveMix 相比，利用合成图像进行数据增强提升了脑图像分割性能。代码将在 https://github.com/dogabasaran/lesion-synthesis 发布。
引用
@article{arxiv.2208.02135,
title = {Subject-Specific Lesion Generation and Pseudo-Healthy Synthesis for Multiple Sclerosis Brain Images},
author = {Berke Doga Basaran and Mengyun Qiao and Paul M. Matthews and Wenjia Bai},
journal= {arXiv preprint arXiv:2208.02135},
year = {2022}
}
备注
13 pages, 6 figures, 2022 MICCAI SASHIMI (Simulation and Synthesis in Medical Imaging) Workshop paper