| 基于密集连接自逆生成对抗网络的MR图像生成方法 |
| |
| 引用本文： | 傅雪,陈春晓,李东升,陈志颖.基于密集连接自逆生成对抗网络的MR图像生成方法[J].数据采集与处理,2021,36(4):739-745. |
| |
| 作者姓名： | 傅雪 陈春晓 李东升 陈志颖 |
| |
| 作者单位： | 南京航空航天大学自动化学院，南京 211106 |
| |
| 基金项目： | 国家自然科学基金（61773205）资助项目。 |
| |
| 摘 要： | 随着医学成像技术的快速发展，医学图像在临床检测及科研领域得到了广泛的应用。针对临床图像数据集不完备的情况，本文提出了基于密集连接的自逆生成对抗网络用于实现核磁共振T1加权图像和T2加权图像相互生成的模型。该模型在自逆循环对抗生成网络的生成器模块中引入密集连接块结构，并采用U-net的多尺度融合框架，实现了T1与T2加权图像的互相生成。实验采用BraTS 2018数据集进行验证，生成图像的峰值信噪比与结构相似度最高分别可以达到22.78和0.8。基于密集连接块的生成器与基于U-net及ResNet的生成器模型的对比实验结果表明，基于密集连接块的生成模型性能更优。本文提出的基于密集连接自逆生成对抗网络的MR图像生成方法可以较好地改善T1或T2加权像缺失的问题，为临床论断提供更多的信息。
|
| 关 键 词： | 生成对抗网络 虚拟样本 图像合成 图像转换 |
| 收稿时间： | 2020/7/10 0:00:00 |
| 修稿时间： | 2020/10/15 0:00:00 |
MR Image Generation Method Based on Dense Connection Self-inverse Generative Adversarial Network |
| |
| FU Xue,CHEN Chunxiao,LI Dongsheng,CHEN Zhiying.MR Image Generation Method Based on Dense Connection Self-inverse Generative Adversarial Network[J].Journal of Data Acquisition & Processing,2021,36(4):739-745. |
| |
| Authors: | FU Xue CHEN Chunxiao LI Dongsheng CHEN Zhiying |
| |
| Affiliation: | College of Automation Engineering, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China |
| |
| Abstract: | |
| |
| Keywords: | generative adversarial network virtual samples image synthesis image-to-image translation |
|
| 点击此处可从《数据采集与处理》浏览原始摘要信息 |
|
点击此处可从《数据采集与处理》下载全文 |
