利用三维条件生成对抗网络生成合成CT体数据
图像与视频处理
2021-04-07 v1 计算机视觉与模式识别
机器学习
摘要
我们提出了一种新颖的条件生成对抗网络(cGAN)架构，能够从含噪声和/或像素化的近似中生成体素级的三维计算机断层扫描(Computed Tomography, CT)图像，并有望生成完整的合成三维扫描体数据。尽管由于GPU内存限制，目前生成全分辨率深度伪造图像尚不现实，但我们相信条件cGAN是一种生成三维CT体数据的可行方法。我们给出了在两个新颖的COVID19 CT数据集上训练和测试的自编码器、去噪与去像素化任务的结果。我们的评价指标中，峰值信噪比(Peak Signal to Noise ratio, PSNR)范围为12.53–46.46 dB，结构相似性指数(Structural Similarity index, SSIM)范围为0.89至1。
引用
@article{arxiv.2104.02060,
title = {Toward Generating Synthetic CT Volumes using a 3D-Conditional Generative Adversarial Network},
author = {Jayalakshmi Mangalagiri and David Chapman and Aryya Gangopadhyay and Yaacov Yesha and Joshua Galita and Sumeet Menon and Yelena Yesha and Babak Saboury and Michael Morris and Phuong Nguyen},
journal= {arXiv preprint arXiv:2104.02060},
year = {2021}
}
备注
It is a short paper accepted in CSCI 2020 conference and is accepted to publication in the IEEE CPS proceedings