Adversarial synthesis learning enable segmentation without target modality ground truth

簡介 基於深度學習的分割有一個關鍵的限制：缺乏普遍性。通常，當用不同的成像方式分割器官或從不同的疾病組分割異常器官時，一個人會手工標註新的訓練圖像。如果一個人能夠從一種模式(例如，MRI)中重用手工標籤來訓練一種新的模式(例如，CT)的分割網絡，那麼手動的努力就可以減輕。在此之前，已有兩種階段方法被提出用於使用循環生成對抗網絡(CycleGAN)來合成目標模式的訓練圖像。然後，這些努力訓練了一個獨

>>阅读原文<<