从双平面X射线进行合成3D脊椎骨重建,利用生成对抗网络
Babak Saravi1,2,3,4, Hamza Eren Guzel5, Alisia Zink2
1Department of Orthopedics and Trauma Surgery, Medical Center-University of Freiburg, Faculty of Medicine, University of Freiburg, 79106 Freiburg, Germany.
Journal of personalized medicine
|December 23, 2023
概括
这项研究使用生成对抗网络 (GAN) 来从X射线中重建3D脊椎,减少辐射和成本. 人工智能模型显示了增强脊柱成像诊断的前景.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 放射学 放射学是一门学科.
背景情况:
- 计算机断层扫描 (CT) 提供了详细的脊柱解剖学,但涉及高辐射和成本.
- 传统的X射线成本更低,辐射更低,但提供有限的3D解剖细节.
- 需要先进的成像技术来改善脊柱诊断,同时减轻CT的缺点.
研究的目的:
- 开发和评估一个生成对抗网络 (GAN) 框架,用于从双平面X射线图像中重建3D脊椎.
- 评估使用CT细分生成的合成X射线数据用于3D重建的可行性.
- 探索减少脊柱成像辐射暴露和成本的潜力.
主要方法:
- 通过基于CT的脊椎脊椎细分器在3D Slicer中使用DRRGenerator模块生成合成前部和侧部X射线图像.
- 应用了一种新的X2CT-GAN框架与特征融合,从合成双平面X射线重建3D脊椎.
- 使用平均平方误差 (MSE) 和对抗性损失的组合训练了GAN发生器.
主要成果:
- 该GAN框架成功地从合成双平面X射线中重建了3D脊椎CTs.
- 使用PSNR (28.394dB),PSNR-3D (27.432),SSIM (0.468) 和MAE (85.359) 等指标进行的定量评估表明有效的重建.
- 在捕捉细骨结构和精确的脊椎形态方面注意到了局限性.
结论:
- 提出的基于GAN的方法有效地从双平面X射线重建3D脊椎,为传统CT扫描提供了潜在的替代方案.
- 这种技术证明了从低成本的X射线成像中增强诊断洞察力的能力,同时减少辐射暴露和相关成本.
- 需要进一步精细化,以解决细细结构细节的局限性,以便在脊柱成像中得到更广泛的临床应用.


