Un modelo de difusión guiado por segmentación multinivel para la reducción de artefactos de veteado en TC rutinaria...

Área de la Ciencia:

• Imágenes Médicas
• Inteligencia Artificial
• Radiología

Sus antecedentes:

• Los artefactos de veteado en la tomografía computarizada sin contraste (NCCT) comprometen la precisión diagnóstica al oscurecer los detalles anatómicos.
• Los métodos existentes de reducción de artefactos enfrentan desafíos con la escalabilidad, la restricción anatómica y la aplicabilidad diagnóstica debido a los altos costos de anotación y la estabilidad generativa limitada.
• Existe la necesidad de métodos avanzados para reducir eficazmente los artefactos de veteado mientras se preserva la información anatómica crucial en los escaneos NCCT.

Objetivo del estudio:

• Desarrollar y evaluar un novedoso método de difusión guiada para optimizar la reducción de artefactos de veteado en escaneos NCCT de tórax.
• Aprovechar las segmentaciones anatómicas multinivel para mejorar la reducción de artefactos manteniendo la integridad estructural.
• Mejorar la utilidad clínica de NCCT mejorando la calidad de la imagen médica y la fiabilidad diagnóstica.

Principales métodos:

• Se desarrolló un modelo de difusión guiada, que integra cortes de TC sin artefactos con mapas de segmentación multinivel y regiones de interés anatómicas (ROI) durante el entrenamiento.
• El modelo se entrenó con un gran conjunto de datos de 96.641 cortes de TC de cuatro escáneres diferentes.
• Durante la inferencia, se procesaron muestras afectadas por artefactos para generar resultados sin artefactos con integridad estructural preservada.

Principales resultados:

• El método propuesto demostró mejoras significativas en la relación señal/ruido (SNR) y la relación contraste/ruido (CNR) en comparación con las muestras afectadas por artefactos (p < 0,05).
• Las evaluaciones cuantitativas mostraron una alta coherencia entre los resultados generados y las muestras de referencia sin artefactos, sin diferencias significativas en la SNR del campo pulmonar y la CNR del campo pulmonar-tráquea (p > 0,05).
• El método superó a cuatro estudios novedosos en la relación señal/ruido máxima (PSNR), el índice de similitud estructural (SSIM) y el coeficiente de similitud de Dice (DSC) (todos p < 0,05).

Conclusiones:

• El novedoso método de difusión guiada reduce eficazmente los artefactos de veteado en los escaneos NCCT de tórax, mejorando significativamente la calidad de la imagen.
• La guía de segmentación anatómica multinivel, en particular el Nivel 2, equilibra de manera óptima la preservación de la estructura anatómica y la eficiencia de la reducción de artefactos.
• Esta técnica tiene un potencial significativo para mejorar el análisis clínico de NCCT de tórax al proporcionar imágenes más claras y sin artefactos para el diagnóstico.