虚拟薄层切片：基于三维条件 GAN 的 CT 层间距超分辨率
图像与视频处理
2019-09-04 v2 计算机视觉与模式识别
摘要
在临床实践中，许多 CT 切片图像以较大的层间距存储以减小存储体积。这导致垂直于切片图像（即 z 轴）的分辨率较低，不足以进行三维可视化或图像分析。在本文中，我们提出一种基于条件生成对抗网络（cGANs）的新架构，旨在生成包括头部、胸部、腹部和腿部在内的主要身体部位的高分辨率图像。然而，众所周知 GANs 由于称为模式崩溃的现象而难以生成多样的图案。为克服生成图案多样性不足的问题，我们提出将判别器条件化于不同的身体部位。此外，我们的生成器网络扩展为三维全卷积神经网络，从而能够从任意视场生成高分辨率图像。在我们的验证测试中，我们表明所提方法在 PSNR/SSIM 指标与视觉图灵测试中取得最佳分数，能够准确再现高分辨率下的主要解剖结构。我们期望所提方法有助于有效利用医院中已存储的大量厚层 CT 图像。
引用
@article{arxiv.1908.11506,
title = {Virtual Thin Slice: 3D Conditional GAN-based Super-resolution for CT Slice Interval},
author = {Akira Kudo and Yoshiro Kitamura and Yuanzhong Li and Satoshi Iizuka and Edgar Simo-Serra},
journal= {arXiv preprint arXiv:1908.11506},
year = {2019}
}
备注
10 pages, 6 figures, Accepted to Machine Learning for Medical Image Reconstruction (MLMIR) at MICCAI 2019