sim2real: Cardiac MR Image Simulation-to-Real Translation via Unsupervised GANs

要約

深層学習解析ネットワークの開発のために、MR物理学に基づく仮想心臓MR画像データベースのシミュレーションに大きな関心が持たれています。しかし、このようなデータベースの利用は、リアリズムのギャップ、テクスチャの欠落、シミュレーション画像の単純化された外観のために、限定的であるか、最適なパフォーマンスを示している。本研究では、1)様々な解剖学的構造を持つ仮想XCAT被験者に対する画像シミュレーションを提供し、2)画像のリアルさを向上させるためにsim2real翻訳ネットワークを提案する。我々のユーザビリティ実験により、sim2realデータは学習データを補強し、セグメンテーションアルゴリズムの性能を向上させる良い可能性を示すことが示された。

要約(オリジナル)

There has been considerable interest in the MR physics-based simulation of a database of virtual cardiac MR images for the development of deep-learning analysis networks. However, the employment of such a database is limited or shows suboptimal performance due to the realism gap, missing textures, and the simplified appearance of simulated images. In this work we 1) provide image simulation on virtual XCAT subjects with varying anatomies, and 2) propose sim2real translation network to improve image realism. Our usability experiments suggest that sim2real data exhibits a good potential to augment training data and boost the performance of a segmentation algorithm.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL