使用 Cycle-MedGAN 的无监督医学图像翻译
计算机视觉与模式识别
2021-02-02 v1
摘要
图像到图像翻译是计算机视觉中的一个新领域，在医学领域具有多种潜在应用。然而，对于有监督的图像翻译框架，需要像素级配准的配对数据集。这在现实的医学场景中通常难以获取。另一方面，无监督翻译框架通常会导致翻译后的图像模糊且带有不真实的细节。在本工作中，我们提出了一种名为 Cycle-MedGAN 的新颖无监督翻译框架。该框架利用了新颖的非对抗性循环损失，引导框架最小化翻译图像中的纹理和感知差异。与其他无监督翻译方法的定性和定量比较，证明了所提出的框架在 PET-CT 翻译和 MR 运动校正中的性能。
引用
@article{arxiv.1903.03374,
title = {Unsupervised Medical Image Translation Using Cycle-MedGAN},
author = {Karim Armanious and Chenming Jiang and Sherif Abdulatif and Thomas Küstner and Sergios Gatidis and Bin Yang},
journal= {arXiv preprint arXiv:1903.03374},
year = {2021}
}
备注
Submitted to EUSIPCO 2019, 5 pages