在形光束计算机断层扫描上改善软组织可见性,使用使用循环生成对抗网络的图像生成人工智能模型进行图像生成.
Motoki Fukuda1, Michihito Nozawa2, Hironori Akiyama2
1Department of Oral Radiology, School of Dentistry, Osaka Dental University, 1-5-17 Otemae, Chuo-Ku, Osaka, Japan. fukuda-m@cc.osaka-dent.ac.jp.
Oral radiology
|June 28, 2024
概括
循环GAN图像合成显著改善了软组织可见性在形束计算机断层扫描 (CBCT) 扫描. 这种人工智能驱动的增强功能有助于可视化解剖结构,尽管它对囊性病变的影响有限.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 放射学 放射学是指放射学
背景情况:
- 圆束计算断层扫描 (CBCT) 在软组织可视化方面存在局限性.
- 在CBCT中增强软组织对比度对于准确诊断至关重要.
研究的目的:
- 使用CycleGAN在CBCT上改善软组织可见性.
- 为了评估CycleGAN生成的合成CBCT (sCBCT) 图像的有效性.
主要方法:
- 在CT和CBCT图像上训练CycleGAN网络.
- 对sCBCT,原始CBCT (oCBCT) 和CT图像进行比较分析.
- 使用直方图分析和专家人类评分进行评估.
主要成果:
- sCBCT图像显示了voxel强度向CT类值的显著变化.
- 软组织解剖结构的可见度得分显著增加.
- 囊性病变可见度的改善是有限的.
结论:
- 在CBCT上,CycleGAN有效地提高了软组织的可见性,特别是在下和口腔底部区域.
- 进一步完善训练方法可能会改善囊性病变的可视化.
- 基于AI的图像合成显示了改善CBCT诊断能力的希望.
更多相关视频
07:013D Imaging of Soft-Tissue Samples using an X-ray Specific Staining Method and Nanoscopic Computed Tomography
Published on: October 24, 2019
9.8K
10:23Author Spotlight: Three-Dimensional Cephalometric Landmark Annotation Demonstration on Human Cone Beam Computed Tomography Scans
Published on: September 8, 2023
2.7K
