Réseaux antagonistes génératifs pour la reconstruction super-résolution et la segmentation en IRM
Résumé
La faible résolution et l'anisotropie des données induisent des difficultés pour l'analyse cérébrale néonatale en IRM (imagerie par résonance magnétique). Dans la plupart des pipelines d'analyse IRM, les données sont d'abord rééchantillonnées, puis segmentées par des approches (semi-)automatiques. En d'autres termes, la reconstruction et la segmentation de l'image sont effectuées séparément. Nous proposons une méthodologie permettant d'effectuer simultanément la reconstruction haute résolution et la segmentation des données IRM du cerveau néonatal.
Notre stratégie s'appuie principalement sur des réseaux antagonistes génératifs (GAN). Nous décrivons et discutons cette architecture et les résultats qu'elle permet d'obtenir.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|
Loading...