基于结构约束CycleGAN的未配对脑MR到CT合成
计算机视觉与模式识别
2018-09-13 v1
摘要
cycleGAN 正在成为医学图像合成中一种有影响力的方法。然而，由于输入图像与合成图像之间缺乏直接约束，cycleGAN 无法保证这两幅图像之间的结构一致性，而这种一致性在医学成像中极为重要。为克服此问题，我们提出了一种用于脑 MR 到 CT 合成的结构约束 cycleGAN，使用未配对数据，其基于模态无关邻域描述子定义了额外的结构一致性损失以约束结构一致性。此外，我们采用基于位置的训练图像选择策略，而非完全随机的选择方案。从脑 MR 图像合成 CT 图像的试验结果表明，我们的方法优于常规 cycleGAN，并接近使用配对数据训练的 cycleGAN。
引用
@article{arxiv.1809.04536,
title = {Unpaired Brain MR-to-CT Synthesis using a Structure-Constrained CycleGAN},
author = {Heran Yang and Jian Sun and Aaron Carass and Can Zhao and Junghoon Lee and Zongben Xu and Jerry Prince},
journal= {arXiv preprint arXiv:1809.04536},
year = {2018}
}
备注
8 pages, 5 figures, accepted by MICCAI 2018 Workshop: Deep Learning in Medical Image Analysis (DLMIA)