只有灵感:从灵感CT合成呼气CT,以估计参数响应图
Tiande Zhang1,2, Haowen Pang3, Yanan Wu1,2
1College of Medicine and Biological Information Engineering, Northeastern University, Shenyang, China.
Medical & biological engineering & computing
|February 17, 2025
概括
这项研究引入了一种AI模型,用于创建慢性阻塞性肺病 (COPD) 的参数响应图,仅使用启发性CT扫描,减少辐射暴露和改善表型特征.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 肺部病理学 肺部病理学
背景情况:
- 慢性阻塞性肺病 (COPD) 是一种异质的呼吸道疾病.
- 参数响应图 (PRM) 使用吸气和呼气CT扫描来表征COPD表型.
- 目前的PRM代需要双相CT,增加辐射剂量和扫描时间.
研究的目的:
- 开发一种方法,仅从启发性CT扫描中合成PRM.
- 为了减少辐射暴露,并提高COPD表型的可行性.
- 为了使PRM生成当呼气CT是不可用的.
主要方法:
- 开发了一个带有感知损失的CycleGAN和一个多尺度区分器 (MPCycleGAN) 来从启发图像中合成呼气CT图像.
- 实施了"InspirationOnly"战略,使用合成的呼气图像来生成PRM.
- 评估了图像合成器的性能和生成的PRM的准确性.
主要成果:
- 这台MPCycleGAN合成器实现了高性能指标 (MAE:105.66 HU,PSNR:21.43 dB,SSIM:0.84).
- "只有灵感"策略与肺气 (ICC: 0.995),fSAD (ICC: 0.829) 和正常肺部比例 (ICC: 0.914) 的基本真相保持高度一致.
- 使用拟议方法与螺旋计参数相关的估计COPD表型.
结论:
- 拟议的MPCycleGAN和"InspirationOnly"战略允许使用仅启发性CT扫描来准确生成PRM.
- 这种方法为COPD表型提供了有价值的工具,特别是在缺乏 expiratory CT数据的场景中.
- 该方法有可能减少辐射暴露,并提高COPD管理中的临床实用性.
