発育的対抗ネットワークを介して甲状腺結節のコントラスト強化超音波画像を合成する

科学分野:

• 医療用イメージング
• 人工知能
• 超音波技術

背景:

• カントラスト強化超音波 (CEUS) は,甲状腺結節の評価に不可欠です.
• 超音波コントラスト剤 (UCA) はCEUSに不可欠ですが,禁忌と制限があります.
• CEUS画像生成のための非侵襲的な方法の開発は非常に望ましい.

研究 の 目的:

• 甲状腺ノドルの合成CEUS画像を生成するために,生成対抗ネットワーク (GAN) を使用する可能性を評価する.
• CEUSの手続きで超音波コントラスト剤の注射の必要性を排除する.
• GANで生成された合成CEUS画像の品質と診断の有用性を評価する.

主な方法:

• 甲状腺のCEUS検査を遡って収集する.
• パアリングされたおよびペアリングされていない学習モジュールを持つサイクル-GANフレームワークを使用しました.
• 前動脈,平原,静脈の段階での合成CEUS画像を生成した.
• 定量的な指標,分類性能,放射線医による評価を用いて画像を評価した.

主要な成果:

• 外部データセットにおける実際のCEUS画像と合成画像の高度な類似性 (SSIM: 0.89,PSNR: 28.17)
• 放射線科医はCEUSの合成画像の95%が診断的に有用であると発見しました.
• 実際のCEUSと合成CEUSの間でピーク強度と強化パターンの有意な違いはありません.

結論:

• 生成対抗ネットワーク (GAN) は,甲状腺ノドルの合成 CEUS イメージを成功裏に生成することができます.
• 生成された合成CEUS画像は,実際のCEUSと比較して高い類似性と診断価値を示しています.
• この非侵襲的なアプローチは,超音波コントラスト剤への依存を軽減し,CEUSの適用範囲を拡大する可能性があります.