在COVID-19中使用潜在扩散模型生成短期随访胸部CT图像
Naoko Kawata1,2, Yuma Iwao3,4, Yukiko Matsuura5
1Department of Respirology, Graduate School of Medicine, Chiba University, 1-8-1, Inohana, Chuo-Ku, Chiba-Shi, Chiba, 260-8677, Japan. chumito_03@yahoo.co.jp.
Japanese journal of radiology
|November 25, 2024
概括
研究人员使用扩散模型为COVID-19患者生成预测的胸部CT图像. 这些预后图像与实际的随访扫描显示出合理的相似性,有助于早期临床过程的预测.
科学领域:
- 医学成像医学成像
- 人工智能的人工智能是人工智能.
- 放射学 放射学是一门学科.
背景情况:
- 尽管患者人数下降,预测COVID-19的临床过程仍然具有挑战性.
- 医学图像生成是一个新兴领域,在患者护理中具有潜在的应用.
研究的目的:
- 用潜伏扩散模型为COVID-19患者生成短期随访胸部CT图像.
- 评估人工智能生成图像对预测疾病进展的有用性.
主要方法:
- 505名COVID-19患者的胸部CT扫描和临床数据的回顾性分析.
- 使用变化自编码器 (VAE) 进行图像编码,并对初始参数和放射性特征进行训练的扩散模型.
- 评估生成的预后图像与使用ZNCC,PSNR和SSIM指标的真实后续图像进行评估,并进行视觉评估.
主要成果:
- 扩散模型成功生成了预后性胸部CT图像.
- 定量指标显示了很高的相似性:ZNCC (0.973),PSNR (24.48) 和SSIM (0.844).
- 专家视觉评估证实了生成图像的合理质量和预测有效性.
结论:
- 使用扩散模型生成的预后图像显示了预测COVID-19肺炎过程的合理相似性和有效性.
- 这种人工智能驱动的方法显示了早期预测呼吸系统疾病临床轨迹的潜力.


