哪种对比度重要?利用协同GAN深入理解MR对比度
图像与视频处理
2019-05-13 v1 计算机视觉与模式识别
机器学习
机器学习
摘要
得益于生成对抗网络(GAN)在图像合成方面近期的成功,已有许多令人振奋的GAN方法能成功地从具有不同对比度的其他图像合成MR图像对比度。这些方法对于图像填补问题具有潜在重要性,其中完整数据集往往难以获取,而图像合成是处理缺失数据问题的关键解决方案之一。遗憾的是,现有基于GAN的图像翻译方法缺乏可扩展性,这对理解MR对比度填补问题的本质提出了根本挑战:哪种对比度重要?在此,我们提出一种使用协同生成对抗网络(CollaGAN)的系统方法,其能够学习多种MR对比度的联合图像流形,以探究哪些对比度是必需的。我们的实验结果表明,来自对比剂的 exogenous 对比度不可替换,但其他内源性对比度如T1、T2等可由其他对比度合成。这些发现可能为真实临床环境中MR采集协议的设计提供重要指导。
引用
@article{arxiv.1905.04105,
title = {Which Contrast Does Matter? Towards a Deep Understanding of MR Contrast using Collaborative GAN},
author = {Dongwook Lee and Won-Jin Moon and Jong Chul Ye},
journal= {arXiv preprint arXiv:1905.04105},
year = {2019}
}
备注
32 pages, 6 figures