合成脑图像：用生成对抗模型弥合脑图谱绘制的差距
图像与视频处理
2024-04-16 v1 计算机视觉与模式识别
神经元与认知
摘要
磁共振成像（MRI）是获取精确解剖信息的重要模态，在医学成像中用于诊断和治疗规划。近年来，由于深度学习技术，特别是生成对抗网络（GAN）的引入，图像合成问题发生了革命性变化。本研究探讨了使用深度卷积生成对抗网络（DCGAN）生成高保真且逼真的MRI图像切片。所提出的方法使用包含多种脑部MRI扫描的数据集来训练DCGAN架构。判别器网络区分生成的切片和真实切片，而生成器网络学习合成逼真的MRI图像切片。通过对抗训练方法，生成器提高了生成与真实MRI数据高度相似的切片的能力。结果表明，如果训练足够的轮次，DCGAN能够有效生成MRI图像切片，这显示了其在医学成像研究中的多种应用潜力。这项工作为深度学习技术在医学图像合成中的应用研究增添了新的内容。生成的切片能够增强数据集，为深度学习模型的训练提供数据增强，并提供多种功能以简化MRI数据清洗，以及三个可直接使用的、基于主要解剖平面的干净数据集。
引用
@article{arxiv.2404.08703,
title = {Synthetic Brain Images: Bridging the Gap in Brain Mapping With Generative Adversarial Model},
author = {Drici Mourad and Kazeem Oluwakemi Oseni},
journal= {arXiv preprint arXiv:2404.08703},
year = {2024}
}