具有相互信息丢失约束的CycleGAN从功能EIT图像中生成结构一致的CT图像
概括
这项研究引入了一种新的方法,使用相互信息 (MI) 约束的CycleGAN来将低分辨率电阻断断层扫描 (EIT) 肺部图像转换为高分辨率,结构一致的CT图像,改进肺部评估.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 肺部医学 肺部医学
背景情况:
- 电阻断层扫描 (EIT) 提供具有成本效益,安全和便携性的医疗成像,但产生低分辨率图像.
- 从功能性EIT数据生成高分辨率的结构性肺部图像是医学诊断的一个重大挑战.
研究的目的:
- 从低分辨率的EIT肺部图像中开发一种用于生成高分辨率,结构一致的CT图像的新方法.
- 通过对肺部进行详细的结构评估,提高EIT的诊断能力.
主要方法:
- 利用循环生成对抗网络 (CycleGAN) 在EIT和CT模式之间进行图像对图像翻译.
- 将相互信息 (MI) 约束纳入 CycleGAN 框架,以确保生成的 CT 图像和输入 EIT 图像之间的结构调整.
- 在未配对的EIT和CT肺图像数据集上训练了CycleGAN,并使用诸如规范化相互信息 (NMI) 等定量指标评估了性能.
主要成果:
- 受到MI约束的CycleGAN成功地从EIT图像中生成了高分辨率CT图像,结构对齐得到了改进.
- 规范化相互信息 (NMI) 随着MI约束显著增加到0.2621+/- 0.0052,而没有它则是0.2600+/- 0.0066 (p<0.0001).
- 该方法可以从单独的EIT数据同时提供功能 (EIT) 和结构 (CT) 信息.
结论:
- 受到MI约束的CycleGAN是一种有效的方法,用于将功能性肺部EIT图像转换为高分辨率,结构一致的CT图像.
- 这种方法通过整合功能和结构成像数据来增强肺部评估,可能导致更早,更准确的诊断.
- 这项研究建立了改善肺部诊断的临床相关途径,使用EIT-CT转换.
