对于高分辨率的同位素MR头部切片的深度生成先验
Samuel W Remedios1,2, Blake E Dewey3, Aaron Carass4
1Department of Computer Science, Johns Hopkins University, Baltimore, MD 21286, USA.
概括
研究人员开发了一种StyleGAN3-T模型,以生成高分辨率的2D磁共振 (MR) 头部切片. 这种开源的生成模型,在T1和T2加权对比度上训练,有助于各种医学图像分析任务.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 生成模型对于医学图像分析至关重要.
- 需要训练有素的发电机组在多种不同方向和对比度的高分辨率二维MRI头片上进行训练.
- 现有的深度学习方法通常集中在2D图像上,需要全面的2D数据生成器.
研究的目的:
- 训练一个StyleGAN3-T模型来生成高分辨率的2D头部MRI切片.
- 为各种下游医学图像分析应用提供多功能工具.
- 为了让受过训练的模型重量公开提供.
主要方法:
- 使用头部MRI切片的公开数据训练了一个StyleGAN3-T模型.
- 专注于T1和T2加权的对比.
- 在三个标准的放射学视图中利用了1毫米的同位体体积,而没有剥离头骨.
- 进行了定性抽样,隐性代码插值和风格混合以进行网络分析.
主要成果:
- 该StyleGAN3-T模型成功生成了高质量,高分辨率的2D头部MRI切片.
- 网络分析证实了该模型的表达力和生成能力.
- 生成的图像适用于各种下游应用.
结论:
- 开发的StyleGAN3-T模型为2D头部MRI成像提供了强大的生成先验.
- 开源模型重量促进了医疗图像分析中的更广泛的研究和应用.
- 这项工作解决了全面,高分辨率的二维MRI切片生成的需求.
