臨床的に関連性のある合成データセットを用いた音響放射断層合成撮像のための深層学習ベース再構成法のベンチマーキング

科学分野:

• 医用画像処理
• 計算画像処理
• 医療における人工知能

背景:

• 深層学習（DL）手法は、音響放射断層合成撮像（PACT）の画像再構成を進歩させている。
• 現在のDL評価には、標準化されたデータセットと臨床的に関連性のあるメトリクスが欠けている。
• これは、再現性のある比較とPACTの進歩の信頼性の高い評価を妨げている。

研究 の 目的:

• PACTにおけるDLベース音響逆問題のための標準化されたベンチマーキングフレームワークを導入すること。
• PACTのためのオープンソース合成データセットと評価戦略を提供すること。
• 再構成手法の公平で再現性があり、臨床的に関連性のある比較を可能にすること。

主な方法:

• 11,000以上の2D合成乳房オブジェクトと病変を含むフレームワークを開発した。
• 複雑さが異なるペア測定値を組み込んだ。
• 評価のために、従来の画像品質（IQ）メトリクスとタスクベースのIQメトリクスを統合した。

主要な成果:

• このフレームワークにより、DL手法と物理ベース手法の定量的比較が可能になった。
• 一部のDL手法は、従来のIQでは優れていたが、病変を正確に回復させることはできなかった。
• 従来のIQメトリクスの不十分さと、タスクベースの評価の必要性が強調された。

結論:

• 提案されたフレームワークは、2D PACTのためのDL音響逆問題手法の体系的な比較を容易にする。
• 臨床的に関連性のあるデータを使用した、再現性があり客観的な評価を促進する。
• PACT手法の開発とシステム最適化を支援する。