KC-UNIT:多核转换使用未配对的图像到图像转换与感知指导在胸部计算机断层扫描成像
Changyong Choi1, Doa Kim2, Seungjoo Park3
1Department of Biomedical Engineering, BK21 Project, Asan Medical Center, University of Ulsan College of Medicine, Seoul, Republic of Korea; Department of Convergence Medicine, Asan Medical Center, University of Ulsan College of Medicine, Seoul, Republic of Korea.
本研究介绍了KC-UNIT,这是一种用于转换计算机断层扫描 (CT) 图像内核而没有配对数据的新型深度学习方法. 这种方法有效地保存了解剖结构,同时提高了图像质量,优于现有的方法.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 计算机断层扫描 (CT) 图像重建依赖于卷积内核,根据解剖结构和扫描目标进行选择.
- 临床环境中的有限存储需要丢弃sinogram数据,限制内核选择.
- 现有的CT内核转换的深度学习方法与未配对的数据和保存解剖细节作斗争.
研究的目的:
- 开发一种用于CT内核转换的新型深度学习方法,使用未配对的图像到图像转换.
- 为了应对在CT图像中保持细粒度解剖结构的同时转移内核风格的挑战.
- 通过区分器规范化改进语义表示学习.
主要方法:
- 提出了KC-UNIT,一种使用未配对的图像对图像翻译的新型内核转换方法.
- 实现了使用生成器特征图进行区分器规范化,以增强语义表示.
- 在生成器特征图和区分器语义标签之间定义的等号相似性内容和对比的风格损失.
主要成果:
- 在内核转移过程中,KC-UNIT成功地保存了细粒度的解剖结构.
- 该方法在多个内核域中表现出优越的性能,与现有的基于网络的生成对抗方法相比.
- 该方法有效地使用未配对数据在不同内核域之间转换CT图像.
结论:
- KC-UNIT提供了一种有效的解决方案,用于使用未配对数据进行CT内核转换.
- 该方法通过在采集后实现灵活的内核选择,推动了医疗图像处理领域的发展.
- 拟议的技术保留了关键的解剖细节,提高了CT成像的实用性.
更多相关视频
07:13Author Spotlight: An Efficient and Robust Software for Automated Fusion of Multiple Preclinical Imaging Modalities
Published on: October 27, 2023
08:02Author Spotlight: Enhanced Quantification of Cardiovascular Calcification Progression for Longitudinal Micro PET/CT Studies in Small Research Animals
Published on: November 15, 2024
相关概念视频
01:10Computed Tomography
The technique was invented in the 1970s and is based on the principle that as X-rays pass through the body, they are absorbed or reflected at different levels. In the technique, a patient lies on a motorized platform while a computerized axial tomography (CAT) scanner rotates...
01:27Imaging Studies III: Computed Tomography