【论文笔记】基于GAN的三维医学图像跨模态配准模型 Deform-GAN

最新推荐文章于 2024-09-14 08:33:50 发布

棉花糖灬

最新推荐文章于 2024-09-14 08:33:50 发布

阅读量3.2k

点赞数 5

文章标签： Deform-GAN 生成对抗网络医学图像配准

本文链接：https://blog.csdn.net/zuzhiang/article/details/105412729

版权

本文是关于《DEFORM-GAN:AN UNSUPERVISED LEARNING MODEL FOR DEFORMABLE REGISTRATION》论文的阅读笔记。

一、简介

文章提出了一种基于 GAN 的三维医学图像跨模态配准模型 Deform-GAN，并首次将梯度损失（gradient loss）应用到基于深度学习的配准模型中。模型是无监督的，不需要任何 ground-truth 或人工标注信息。

基于无监督的学习模型存在着两个挑战，一个是跨模态或跨序列配准中损失函数的确定，另一个是没有 ground-truth，这使得 GAN 模型比较难训练。
在这里插入图片描述
上图是 Deform-GAN 和其他模型的配准结果对比图。

二、记号

$T$ ：图像变换网络
$G$ ：图像生成器
$D$ ：判别器
$R$ ：参考图像
$F$ ：浮动图像
$\phi$ ：配准形变场
$F(\phi)$ ：变形后的浮动图像
$p$ ：体素位置
$I$ ：三维图像

三、网络结构和训练

在这里插入图片描述
上图是 Deform-GAN 网络的结构示意图。

网络主要由三部分组成：图像变换网络 $T$ ，图像生成器 $G$ 和判别器 $D$ ，前两者采用的都是类似于 U-Net 的网络结构。图像变换网络 $T$ 的输入是参考图像和浮动图像的图像对，输出是配准形变场 $\phi$ ， $\phi$ 会进一步通过空间变换器对浮动图像 $T$ 做变形得到 $F(\phi)$ ，这一步相当于实现了模态间配准（从源域到源域）。图像生成器 $G$ 以 $F(\phi)$ 为输入，其输出是一个接近于参考图像 $R$ 的图像 $F'(\phi)$ ，这一步相当于实现了跨模态配准（从源域到目标域）。判别器 $D$ 用来判别图像是真实图像还是合成图像。如此一来，配准问题就被分成了两部分：多模配准和单模配准。

在训练前期， $T$ 还没有学习到很好的特征，配准效果不好，如果直接将 $R$ 和 $F'(\phi)$ （这里论文中写的是 $F(\phi)$ ，我怀疑是写错了，按照示网络结构示意图中的来）输入到判别器则会产生错误对齐的 $F'(\phi)$ 。为解决该问题，文章提出了“梯度约束的 GAN 方法”，这种方法的特点是损失函数不是固定的，而是通过学习获得的，它不仅惩罚输出图像和目标域图像之间的差别，而惩罚输出图像和源域图像之间的差别。

生成器的任务有三个：一是骗过判别器，二是最小化输出图像和目标域图像的 $L_1$ 距离，三是保持输出图像和源域图像在细节上保持相似。

在训练时，三个网络的训练顺序是先训练判别器 $D$ ，再训练生成器 $G$ ，最后训练图像变换网络 $T$ ，当训练一个网络时，其他网络的参数保持不变。

四、损失函数

局部梯度计算公式：
$\nabla \hat{I}(p)=\left(\sum_{p \in n^{3}} x^{\prime}(p), \sum_{p \in n^{3}} y^{\prime}(p), \sum_{p \in n^{3}} z^{\prime}(p)\right)$
$n$ 是 $p$ 周围的像素点个数，当 $n$ 较小时网络难收敛，当较大时图像 $R$ 和 $F$ 的边缘很难准确对齐，通过尝试当 $n = 7$ 时效果最好。根据以上梯度的计算公式就可以得到正则化的梯度了：
$p)=\frac{\nabla \hat{I}(p)}{\|\nabla \hat{I}(p)\|+\varepsilon}$
其中 $||\cdot||$ 表示 $L_2$ 距离，图像 $R$ 和 $F$ 之间的局部梯度损失就可以定义为：
$L_{L G}(R, F)=\sum_{p \in \Omega}|n(R, p) \cdot n(F, p)|$
其中 $\Omega$ 是 $R$ 和 $F$ 的图像域，

图像转换网络 $T$ 的损失可以表示为：
$L_{T}(R, F, \phi)=L_{s i m}(R, F(\phi))+\alpha L_{s m o o t h}(\phi)$
其中 $L_{sim}(R,F(\phi))$ 又由两部分组成：图像 $R$ 和 $F'(\phi)$ 之间负的局部互信息和图像 $R$ 和 $F(\phi)$ 之间负的局部梯度距离，如下式所示：
$L_{s i m}(R, F(\phi))=-L_{L C C}\left(R, F^{\prime}(\phi)\right)-\beta L_{L G}(R, F(\phi))$
形变场的平滑损失 $L_{smooth}(\phi)$ 可以表示为：
$L_{\text {smooth}}(\phi)=\sum_{p \in \Omega}\|\nabla \phi(p)\|^{2}$

下面来看下生成器 $G$ 和判别器 $D$ 的损失函数。在 Pix2Pix 网络，它的损失函数为：
$L_{G^{*}}=\arg \min _{G} \max _{D} L_{c^{G A N}}(G, D)+\lambda L_{L 1}(G)$
其中 $L_{cGAN}$ 是条件 GAN（conditional GAN）的目标函数， $L_{L1}$ 是源图像和 ground-truth 的目标图像之间的 $L_1$ 距离。但是在本论文中由于源图像和目标图像不是像素级的映射数据，所以不适用。本文用局部梯度损失来限制合成图像 $F'(\phi)$ 和源图像 $F(\phi)$ 之间的梯度距离，并保证最终的输出图像的细节和源图像一致。所以最终 GAN 的总损失为：
$\begin{aligned} L_{G^{\prime}}=& \arg \min _{G} \max _{D} L_{c^{G A N}}(G, D)-\mu L_{L G}\left(F^{\prime}(\phi), F(\phi)\right) \\ &+\lambda L_{L 1}\left(F^{\prime}(\phi), R\right) \end{aligned}$