粗读Task Driven Generative Modeling forUnsupervised Domain Adaptation:Application to X-ray Image Seg

        本文利用两个GAN网络，让计算机能够转换X光图像和由CT得到DRR图像。

        第一步，由三维CT图像得到2D的DRR图像，并为DRR配对标签。之后，用DRR图像和标签训练一个DI2I(Dense Image to Image)网络模型。

作者图没画好，真实X光到虚假DRR再到重建X光那里，经过的网络应该是先G2再G1

        然后，在TD-GAN阶段，训练两个GAN，G1是将真实的DRR图像变为生成的X光图像，G2是将真实的X光图像变为生成的图像DRR。训练目的是令两个网络生成的图像尽可能真实的同时，让一张图像依次经过两个网络后，重建得到的图像尽可能接近原来的样子。同时，因为DRR图像带有标签，而X光没有，所以重建后的DRR图像的分割结果应该也要尽可能接近原有图像的分割结果。

        最后，将两个GAN训练一定轮数后，便可将不含有标签的，待诊断的X光图像输入到G2和DI2I，得到分割结果。