使用生成模型生成儿科全身磁共振图像
图像与视频处理
2020-06-02 v1 计算机视觉与模式识别
机器学习
摘要
癌症的早期检测是良好预后的关键，尤其需要频繁检查。全身磁共振成像（wbMRI）是若干成熟筛查方案的重要组成部分，筛查始于幼儿期。迄今为止，机器学习（ML）已应用于 wbMRI 图像以对成人癌症患者进行分期。由于生长发育过程中骨信号的不断变化、幼儿因活动和配合度有限而难以获取这些图像，以及阳性病例的罕见性，此类工具无法用于儿科。我们评估了使用在加拿大多伦多病童医院 wbMRI 数据上训练的生成对抗网络（GANs）所生成的 wbMRI 图像的质量。我们采用 Fréchet Inception Distance（FID）指标、Domain Fréchet Distance（DFD）以及与放射科研究员进行的盲法测试进行评估。我们证明，就全部三项指标而言，StyleGAN2 在生成 wbMRI 图像方面提供了最佳性能。
引用
@article{arxiv.2006.00727,
title = {Using Generative Models for Pediatric wbMRI},
author = {Alex Chang and Vinith M. Suriyakumar and Abhishek Moturu and Nipaporn Tewattanarat and Andrea Doria and Anna Goldenberg},
journal= {arXiv preprint arXiv:2006.00727},
year = {2020}
}