使用未配对图像翻译的CT重建内核的供应商间协调
Aravind R Krishnan1, Kaiwen Xu2, Thomas Li3
1Department of Electrical and Computer Engineering, Vanderbilt University, TN, USA.
Proceedings of SPIE--the International Society for Optical Engineering
|September 13, 2024
概括
本研究介绍了一种新的多路径循环生成对抗网络 (GAN),用于在不同的重建内核中协调计算机断层扫描 (CT) 图像纹理. 该方法减少了量化分析中的测量变异性,就像强调量化一样.
科学领域:
- 医疗成像医学成像
- 放射学中的人工智能
- 定量图像分析 定量图像分析
背景情况:
- 计算机断层扫描 (CT) 中的重建内核显著影响图像纹理,影响定量分析.
- 不同核心和不同制造商之间不一致的CT纹理导致测量差异.
- 现有的协调方法往往需要配对,对齐的扫描和广泛的模型培训.
研究的目的:
- 为协调CT重建内核开发和评估一种未配对的图像翻译方法.
- 通过使用多路径循环生成对抗网络 (GAN) 调查不同制造商的内核之间的和跨越内核的协调.
- 评估协调对量化测量的影响,特别是百分比重点.
主要方法:
- 使用多路径循环生成对抗网络 (GAN) 进行未配对的图像翻译.
- 在西门子和通用电气供应商的硬和软重建内核上训练GAN,使用国家肺部查试验数据集.
- 根据西门子软内核 (B30f) 进行了协调扫描,并使用线性建模和ANOVA评估了百分比突发症.
主要成果:
- 多路径循环GAN成功地协调了不同重建内核和制造商的CT扫描.
- 协调使百分比肺气测量的差异最小化.
- 分析显示,年龄,性别,吸烟状况和供应商对肺气量化的显著影响.
结论:
- 提出的无配对图像转换方法有效协调CT重建内核,减少测量变化.
- 这种方法可以在各种CT数据集中进行更一致的定量图像分析.
- 这项研究强调了考虑到患者人口统计和扫描仪供应商在肺瘤量化中的重要性.
