arXiv:2203.06920v1 [eess.IV] 2022 年 3 月 14 日__

arXiv:2203.06920v1 [eess.IV] 2022 年 3 月 14 日

可下载资源数量

已经购买

下载数量：1

单价	0 1.0
Coupon	100% 0%
Total	0 1.0

点击下载点击购买并下载

点击购买，资源将自动在新窗口打开.

机构名称：

arXiv:2203.06920v1 [eess.IV] 2022 年 3 月 14 日

¥ 1.0

热度

摘要：增强 T1 (T1ce) 是诊断和分析脑肿瘤（尤其是神经胶质瘤）最重要的磁共振成像 (MRI) 模式之一。在临床实践中，常见的 MRI 模式（例如 T1、T2 和液体衰减反转恢复）相对容易获取，而考虑到额外的成本和对造影剂过敏的潜在风险，T1ce 更具挑战性。因此，开发一种从其他常见模式合成 T1ce 的方法具有重要的临床意义。当前的配对图像转换方法通常存在需要大量配对数据并且在合成过程中不关注特定感兴趣的区域（例如肿瘤区域）的问题。为了解决这些问题，我们提出了一个难度感知共同的半监督多模态 MRI 合成网络（DS 3 -Net），涉及配对和非配对数据以及双层知识提炼。DS 3 -Net 预测难度图以逐步促进合成任务。具体而言，像素约束和块状对比约束由预测的难度图指导。通过对公开的 BraTS2020 数据集进行大量实验，DS 3 -Net 在各个方面都优于其监督对应者。此外，仅使用 5% 的配对数据，所提出的 DS 3 -Net 实现了与利用 100% 配对数据的最先进的图像转换方法相媲美的性能，提供 0.8947 的平均 SSIM 和 23.60 的平均 PSNR。源代码位于https://github.com/Huangziqi777/DS-3_Net。

添加pdf代下载 VIP点击下载文件