Cycle-GANを用いたMRベースの合成CT（sCT）による画像レジストレーション

科学分野:

• 医用画像処理
• 人工知能
• コンピュータビジョン

背景:

• 画像レジストレーションは、幾何学的変換解析のために複数の画像を整列させます。
• 正確なレジストレーションは、医用画像における診断精度と効率の向上に不可欠です。
• 多重モダリティ画像レジストレーション（例：CTとMR）は、画像特性の違いにより特有の課題を提示します。

研究 の 目的:

• CT画像とMR画像間の深層学習ベースの画像レジストレーションを通じて、診断精度と効率を向上させること。
• レジストレーション性能向上のために、統一された画像の合成の有効性を調査すること。
• 多重モダリティ医用画像レジストレーションにおける課題に対処すること。

主な方法:

• ICP（Iterative Closest Point）アルゴリズムを、初期点群アライメントおよびセグメンテーションマスクレジストレーションに使用しました。
• Cycle-GAN生成モデルを、MR画像からCT（sCT）画像を合成するために採用しました。
• 正確なアライメントを達成するために、モダリティ統一画像（MRおよびsCT）上でレジストレーションを実行しました。

主要な成果:

• ICPベースのアライメントにより、大腿骨頭セグメンテーションのダイス類似係数（DSC）が0.29から0.91に向上しました。
• 合成CT（sCT）画像は、実際のCT画像との高い類似性を示しました（PSNR 20.57、NCC 0.93）。
• MRとsCT間のレジストレーションは、強力なアライメントをもたらしました（PSNR 12.95、NCC 0.62）。

結論:

• 深層学習、特に画像合成のためのCycle-GANは、多重モダリティ画像レジストレーションを大幅に向上させます。
• 統一された合成画像は、直接的な多重モダリティアライメントと比較して、より正確なレジストレーションを可能にします。
• このアプローチは、医用画像解析および診断のための高度で臨床的に適用可能なツールの開発に有望です。