Adversarial synthesis learning enable segmentation without target modality ground truth

简介 基于深度学习的分割有一个关键的限制：缺乏普遍性。通常，当用不同的成像方式分割器官或从不同的疾病组分割异常器官时，一个人会手工标注新的训练图像。如果一个人能够从一种模式(例如，MRI)中重用手工标签来训练一种新的模式(例如，CT)的分割网络，那么手动的努力就可以减轻。在此之前，已有两种阶段方法被提出用于使用循环生成对抗网络(CycleGAN)来合成目标模式的训练图像。然后，这些努力训练了一个独

>>阅读原文<<