Jul, 2024

通过引导一致性与解耦学习提升医学图像合成

TL;DR本文提出了一种基于注册导向一致性和解缠学习的方法用于医学图像合成,并通过相同的变形场在合成前后应用,并通过对齐损失强制保持输出一致性。此外,合成模块还具备解缠解剖结构和特定风格的能力,引入了解剖一致性损失来进一步保持潜在空间的几何完整性。通过对内部腹部 CECT-CT 数据集和公开的盆腔 MR-CT 数据集进行的实验证明了所提方法的优越性。