MMI-GAN: Multi Medical Imaging Translation using Generative Adversarial Network

• Eduardo Felipe de Souza UFAL
• Marcelo Costa Oliveira UFAL

DOI: https://doi.org/10.5753/sbcas.2021.16105

Resumo

A tradução de imagens médicas é considerada uma nova fronteira no campo da análise de imagens médicas, com grande potencial de aplicação. No entanto, as abordagens existentes têm escalabilidade e robustez limitadas no manuseio de mais de dois domínios de imagens. Para resolver essas limitações, desenvolvemos a MMI-GAN, uma nova abordagem para tradução entre múltiplos domínios de imagem, capaz de traduzir imagens intermodais (TC e RM) e intramodais (PD, T1 e T2) usando apenas um gerador e um discriminador. As imagens traduzidas pela MMI-GAN conseguiram obter MAE de 5.79, PSNR de 27.39, MI de 1.43 e SSIM de 0.90. Os seus resultados foram por muitas vezes estaticamente equiparáveis ou superiores ao estado da arte.

Referências

Armanious, K., Jiang, C., Fischer, M., Küstner, T., Hepp, T., Nikolaou, K., Gatidis, S., and Yang, B. (2020). Medgan: Medical image translation using gans. Computerized Medical Imaging and Graphics, 79:101684.

Choi, Y., Choi, M., Kim, M., Ha, J.-W., Kim, S., and Choo, J. (2018). Stargan: Unied generative adversarial networks for multi-domain image-to-image translation. In Pro- ceedings of the IEEE conference on computer vision and pattern recognition, pages 8789–8797.

Isola, P., Zhu, J.-Y., Zhou, T., and Efros, A. A. (2017). Image-to-image translation with conditional adversarial networks. In Proceedings of the IEEE conference on computer vision and pattern recognition, pages 1125–1134.

Krupa, K. and Bekiesiínska-Figatowska, M. (2015). Artifacts in magnetic resonance imaging. Polish journal of radiology, 80:93.

Liu, F. (2019). Susan: segment unannotated image structure using adversarial network. Magnetic resonance in medicine, 81(5):3330–3345.

Tanaka, H., Hayashi, S., Ohtakara, K., Hoshi, H., and Iida, T. (2011). Usefulness of ct- mri fusion in radiotherapy planning for localized prostate cancer. Journal of radiation research, pages 1109280230–1109280230.

Yi, X., Walia, E., and Babyn, P. (2019). Generative adversarial network in medical imaging: A review. Medical image analysis, 58:101552.

Yi, Z., Zhang, H., Tan, P., and Gong, M. (2017). Dualgan: Unsupervised dual learning for image-to-image translation. In Proceedings of the IEEE international conference on computer vision, pages 2849–2857.

Zhu, J.-Y., Park, T., Isola, P., and Efros, A. A. (2017). Unpaired image-to-image transla- tion using cycle-consistent adversarial networks. In Proceedings of the IEEE interna- tional conference on computer vision, pages 2223–2232.