前臨床画像におけるゼロショット超解像の実現可能性の探求

科学分野:

• 医用画像
• 生体医工学
• 画像処理

背景:

• 前臨床画像は医学的治療評価に不可欠である。
• 前臨床研究からの異方性画像ボリュームは体積解析を妨げる。
• 限定的なトレーニングデータは従来の教師あり超解像（SR）法を制限する。

研究 の 目的:

• 異方性前臨床画像データに対する2つの自己教師ありSR法（ECLAREおよびBiDA）を比較する。
• ECLAREおよびBiDAの信号回復と下流タスクパフォーマンスを評価する。
• これらのSR法の種間での一般化可能性を評価する。

主な方法:

• ECLARE：トレーニングデータに平面内パッチを使用する自己SR法。
• BiDA：事前トレーニングされたノイズ除去拡散確率モデルとDDNM事後サンプリングを使用した新規手法。
• 2.5倍および4倍のスケールファクターでのラットおよびマウスデータでの評価、信号回復および頭蓋剥離精度の評価。

主要な成果:

• ECLAREとBiDAはどちらもラットデータで良好な信号回復を示した。
• BiDA強化画像のみが正確な下流頭蓋剥離を可能にした。
• BiDAはラットデータで良好な性能を示したにもかかわらず、ドメイン外のマウスデータへの一般化は限定的であった。

結論:

• BiDAは、正確な頭蓋剥離を可能にすることにより、前臨床画像における体積解析を改善する可能性を示している。
• 種間アプリケーションに対するBiDAの一般化可能性を改善するためには、さらなる研究が必要である。
• 自己教師ありSR法は、トレーニングデータが限られている場合に実行可能な代替手段を提供する。