基于形状增强和纹理插值的三维脑部MRI数据增强算法

针对医学伦理和人工标注的成本高昂,目前公开的数据集中标记的医学图像数据量不足的问题,许多研究者提出了不同的算法来增强医学数据.使用卷积神经网络(Convolutional Neural Networks,CNN)对阿尔茨海默症(Alzheimer's Disease,AD)的诊断和研究只有在数据丰富时,才能得到更好的分析结果.本文提出一种基于形状增强和纹理插值的三维脑部MRI(Magnetic Resonance Imaging,MRI)数据增强算法,将脑部MRI图像的属性分解为形状和纹理,先通过GAN(Generative Adversarial Nets,GAN)增强MRI数据的形状,再通过三维薄板样条插值对所得的增强形状进行纹理插值,得到三维脑部MRI增强图像.通过实验可得生成数据的分布与真实数据的分布相似,验证了本文提出的数据增强算法的有效性.