[中风-p2pHD:从CT到DWI图像的脑梗塞交叉模式生成模型]
Qing Wang1, Xinyao Zhao2, Xinyue Liu3
1School of Computer and Control Engineering, Yantai University, Yantai, Shandong 264005, P. R. China.
概括
这项研究介绍了Stroke-p2pHD,一种生成对抗网络,它从CT扫描中合成了扩散加权成像 (DWI),为检测急性缺血性中风病变提供了更快,更容易获得的替代方案.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 神经学 神经学
背景情况:
- 扩散加权成像 (DWI) 对于检测急性缺血性中风至关重要,但受到成本,时间和金属工件干扰的限制.
- 计算机断层扫描 (CT) 是广泛可用的,但对早期缺血变化不那么敏感.
研究的目的:
- 开发一种新的生成对抗网络 (GAN) 模型,Stroke-p2pHD,用于从CT扫描中合成DWI图像.
- 在急性缺血性中风诊断中克服传统DWI获取的局限性.
主要方法:
- 设计的Stroke-p2pHD与集成完全卷积变压器 (FCT) 和局部注意模块 (LAM) 的Global_to_Local发电机.
- 采用了多尺度分辨器 (M2Dis) 具有受限制的特征一致性,用于强大的图像合成.
- 使用急性缺血性中风数据集 (AISD) 和医院获得的数据集验证了模型.
主要成果:
- 在从CT合成DWI时,中风-p2pHD取得了优异的定量性能 (MSE=0.008,PSNR=23.766,SSIM=0.743).
- 该模型有效地融合了本地和全球图像特征,用于详细的纹理和病变合成.
- 实验分析证实了该模型的计算效率.
结论:
- 脑中风-p2pHD显示出作为急性缺血性脑中风诊断的临床工具的巨大潜力.
- 基于GAN的方法为传统DWI提供了一个有希望的替代方案,提高了可访问性和速度.
- 进一步的研究可以探索这种合成成像技术的更广泛的临床应用.
