Abstract

Since the last decade, there is a significant change in the procedure of medical diagnosis and treatment. Specifically, when internal tissues, organs such as heart, lungs, brain, kidneys and bones are the target regions, a doctor recommends ‘computerized tomography’ scan and/or magnetic resonance imaging to get a clear picture of the damaged portion of an organ or a bone. This is important for correct examination of the medical deformities such as bone fracture, arthritis, and brain tumor. It ensures prescription of the best possible treatment. But ‘computerized tomography’ scan exposes a patient to high ionizing radiation. These rays make a person more prone to cancer. Magnetic resonance imaging requires a strong magnetic field. Thus, it becomes impractical for patients with implants in their body. Moreover, the high cost makes the above-stated techniques unaffordable for low economy class of society. The above-mentioned challenges of ‘computerized tomography’ scan and magnetic resonance imaging motivate researchers to focus on developing a technique for conversion of 2-dimensional view of medical images into their corresponding multiple views. In this manuscript, the authors design and develop a deep learning model that makes an effective use of conditional generative adversarial network, an extension of generative adversarial network for the transformation of 2-dimensional views of human bone into the corresponding multiple views at different angles. The model will prove useful for both doctors and patients.

中文翻译：

---

使用深度学习来转变医学图像的视图

摘要

自最近十年以来，医学诊断和治疗程序发生了重大变化。具体来说，当内部组织，心脏，肺，大脑，肾脏和骨骼等器官为目标区域时，医生建议使用“计算机断层扫描”扫描和/或磁共振成像，以清楚地了解器官或器官受损部分的图像。骨头。这对于正确检查医疗畸形（例如骨折，关节炎和脑瘤）非常重要。它可以确保最佳治疗的处方。但是“计算机断层扫描”扫描使患者暴露于高电离辐射下。这些射线使人更容易患癌症。磁共振成像需要强磁场。因此，对于体内植入物的患者来说，这是不切实际的。此外，高昂的成本使上述技术无法满足经济低下阶层的人们的需求。“计算机断层扫描”扫描和磁共振成像的上述挑战促使研究人员专注于开发一种将医学图像的二维视图转换为其相应的多个视图的技术。在本手稿中，作者设计并开发了一种深度学习模型，该模型有效地利用了条件生成对抗网络，这是生成对抗网络的扩展，用于将人体骨骼的二维视图转换为不同角度的相应多个视图。该模型将对医生和患者均有用。“计算机断层扫描”扫描和磁共振成像的上述挑战促使研究人员专注于开发一种将医学图像的二维视图转换为其相应的多个视图的技术。在本手稿中，作者设计并开发了一种深度学习模型，该模型有效地利用了条件生成对抗网络，这是生成对抗网络的扩展，用于将人体骨骼的二维视图转换为不同角度的相应多个视图。该模型将对医生和患者均有用。“计算机断层扫描”扫描和磁共振成像的上述挑战促使研究人员专注于开发一种将医学图像的二维视图转换为其相应的多个视图的技术。在本手稿中，作者设计并开发了一种深度学习模型，该模型有效地利用了条件生成对抗网络，这是生成对抗网络的扩展，用于将人体骨骼的二维视图转换为不同角度的相应多个视图。该模型将对医生和患者均有用。作者设计并开发了一种深度学习模型，该模型有效利用了条件生成对抗网络，这是生成对抗网络的扩展，用于将人体骨骼的二维视图转换为不同角度的相应多个视图。该模型将对医生和患者均有用。作者设计并开发了一种深度学习模型，该模型有效利用了条件生成对抗网络，这是生成对抗网络的扩展，用于将人体骨骼的二维视图转换为不同角度的相应多个视图。该模型将对医生和患者均有用。