骨-GAN:生成高分辨率外围定量计算断层扫描的虚拟骨微结构

科学领域:

• 生物医学工程 生物医学工程
• 放射学 放射学是一门学科.
• 计算生物学 计算生物学

背景情况:

• 开发用于骨健康的医学生物标志物需要大量的图像数据,这通常受到物理测量的尺寸和质量的限制.
• 目前的数据集不足以对骨分析的数据驱动模型进行强有力的训练.

研究的目的:

• 开发一种可靠的in silico方法,用于生成具有可控制性质的真实合成骨微结构.
• 加强骨分析神经网络的培训,促进骨架构和矿物化的新诊断参数的开发.

主要方法:

• 一个渐进的体积生成对抗网络 (GAN) 被训练在10795个人类腰椎骨块 (高分辨率外围定量CT) 上.
• 整合了一种风格转移技术,通过优化纠损失函数来实现具有特定微架构和gestalt属性的合成样本的生成.
• 通过比较真实和合成骨样本之间的10个微结构参数来评估可靠性.

主要成果:

• 开发的方法成功生成了合成骨样本,在视觉和定量方面与真实样本密切匹配.
• GAN的潜伏空间允许基于微观结构参数和视觉外观的骨样本的平滑变形.
• 在32x32x32个voxel样本中实现了最佳合成,成功生成了64x64x64个voxel样本.

结论:

• 结合参数无关的GAN与参数特定的风格转移的两步方法产生无限,匿名和现实的微结构骨数据.
• 这种合成数据库支持开发新的数据驱动的骨生物标志物方法.
• 样式传输功能允许通过在定义条件下生成数据集来模拟特定的骨病理.