在干预计算机断层扫描中任意对比相位生成的时间调节

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 在瘤学瘤学.

背景情况:

• 针对癌的最小侵入性切除术提供了诸如低并发症率和更快的恢复等好处.
• 计算机断层扫描 (CT) 提供了优秀的可视化,但需要含的对比剂,带来风险和增加辐射剂量.
• 开发无对比成像方法对于干预性放射学至关重要.

研究的目的:

• 研究使用非对比度CT扫描中的时间信息来合成对比度增强图像.
• 评估一种新的生成对抗网络 (GAN) 方法,用于在冷却过程中创建这些合成图像.
• 评估使用时间信息在干预CT中增强对比度的可行性.

主要方法:

• 提出了一种新的方法,将生成对抗网络 (GAN) 条件化为规范化的时间.
• 采用超网络架构来生成合成对比增强CT图像.
• 减少了GAN的受体场,以应对干预CT数据的特定挑战.

主要成果:

• 与标准生成模型相比,生成了具有竞争力质量的合成对比增强图像.
• 通过减少受体场,显著提高图像质量和细分性能.
• 展示了对未见的程序内数据推断的模型稳定性,改善了针头工件可视化.

结论:

• 具有超级网络的时间条件的GAN为合成对比度增强CT图像提供了一种可行的方法.
• 减少受感场可以提高图像质量和干预CT下游任务性能.
• 拟议的方法很好地概括,改善可视化,并可能减少脏冷凝过程中对比剂的依赖.