低b値駆動型U字型融合GANによる高b値前立腺DWIの合成

科学分野:

• 医用画像処理;人工知能;放射線医学

背景:

• 高b値拡散強調画像（DWI）は、優れたコントラストを提供する前立腺がん検出に不可欠である。高b値DWIの直接取得は、長いスキャン時間、技術的な要求、および画像アーチファクトによって制限される。

研究 の 目的:

• 低b値データから高b値前立腺DWIを合成するための新しい深層学習手法を開発すること。臨床用途における高品質前立腺DWIの効率とアクセス可能性を向上させること。

主な方法:

• デュアル低b値駆動型U字型融合敵対的生成ネットワーク（UsFGAN）を提案した。ネットワークは、U-Netサブネットワーク、残差ブロック（STRB）を備えたSwin-Transformer、および複数の特徴融合ブロック（MFFB）を備えた階層的融合ネットワークを統合する。多施設共同の280人の被験者のデータセットで検証を行った。

主要な成果:

• UsFGAN法は、高い信号対雑音比と構造的類似性指標を用いて、最先端モデル（CycleGAN、Pix2Pix、DiscoGAN）と比較して優れた性能を示した。合成された高b値DWIは、前立腺病変検出において86.3%の精度を達成した。放射線科医による定性評価では、合成画像はノイズ抑制、アーチファクト低減、診断許容性において実際の高b値スキャンと同等であることが確認された。

結論:

• UsFGANは、相補的な低b値情報を活用することにより、高品質な高b値前立腺DWIを効果的に合成する。この手法は、スキャン時間を短縮し、疾患評価のための前立腺MRIの診断価値を高める大きな可能性を示している。