用于 CT 图像增强的纹理匹配 GAN
图像与视频处理
2023-12-22 v1 计算机视觉与模式识别
机器学习
摘要
深度神经网络（DNN）通常用于对 X 射线计算机断层扫描（CT）图像进行去噪和锐化，旨在降低患者 X 射线剂量的同时保持重建质量。然而，直接应用基于 DNN 的方法可能会导致在临床应用中不受欢迎的图像纹理。另外，基于生成对抗网络（GAN）的方法可以产生合适的纹理，但直接应用 GAN 可能会引入不准确甚至不真实的图像细节。在本文中，我们提出了一种纹理匹配生成对抗网络（TMGAN），它能够在增强 CT 图像的同时生成可与目标纹理相匹配的图像纹理。我们使用并行生成器将解剖特征与生成的纹理分离，这使得 GAN 可以被训练以匹配所需纹理，而不会直接影响底层的 CT 图像。我们证明，TMGAN 生成的图像质量得到了增强，同时产生了适合临床应用的图像纹理。
引用
@article{arxiv.2312.13422,
title = {Texture Matching GAN for CT Image Enhancement},
author = {Madhuri Nagare and Gregery T. Buzzard and Charles A. Bouman},
journal= {arXiv preprint arXiv:2312.13422},
year = {2023}
}
备注
Submitted to IEEE Transactions on Medical Imaging