基于生成对抗网络的三维骨图像合成
图像与视频处理
2023-10-27 v1 计算机视觉与模式识别
医学物理
摘要
医学图像处理已被强调为基于深度学习的模型潜力最大的领域之一。然而，尤其在医疗领域，数据可用性与隐私问题正阻碍研究进展及在临床常规中的快速应用。合成数据的生成不仅保障隐私，还允许“绘制”具有特定特征的新患者，从而在更大规模上实现数据驱动模型的开发。本工作证明，三维生成对抗网络（GANs）可被高效训练以生成具有高分辨率、基于体素精细结构的三维医学体数据。此外，GAN 反演成功应用于三维场景，并用于对模型可解释性以及图像变形、属性编辑和风格混合等应用进行广泛研究。结果在代表桡骨远端骨微结构的三维 HR-pQCT 实例数据库上得到全面验证。
引用
@article{arxiv.2310.17216,
title = {Three-dimensional Bone Image Synthesis with Generative Adversarial Networks},
author = {Christoph Angermann and Johannes Bereiter-Payr and Kerstin Stock and Markus Haltmeier and Gerald Degenhart},
journal= {arXiv preprint arXiv:2310.17216},
year = {2023}
}
备注
Submitted to the journal Artificial Intelligence in Medicine