多路径循环GAN用于协调配对和不配对的低剂量肺部计算机断层扫描重建内核

科学领域:

• 医疗成像医学成像
• 医疗保健中的人工智能
• 定量成像技术 定量成像技术

背景情况:

• 计算机断层扫描 (CT) 中的重建内核引入了空间分辨率和噪声的变化,导致像气的表征等定量成像测量中的系统差异.
• 在不同制造商之间协调CT图像是具有挑战性的,阻碍了多中心或纵向研究,并导致异质的定量测量.
• 将图像标准化为一个共同的参考内核是必要的,以克服变异性并确保可比的定量结果.

研究的目的:

• 探索在低剂量肺癌查队列中使用不同制造商的配对和不配对重建内核来训练一个协调模型.
• 通过定量CT测量来验证该方法,并使用多路径循环GAN.构建共享的潜空间.
• 识别不同数据类型通过不同类别的损失函数为多域内核协调作出贡献的能力.

主要方法:

• 开发了一个多路径循环GAN,具有共享的潜伏空间,域特定的编码器-解码器架构和无监督的区分器.
• 在国家肺部查试验 (NLST) 数据集中的七个代表性核心 (西门子,通用电气,飞利浦) 的700个扫描上训练了模型.
• 通过使用百分比突发症对配对核的协调评价,并通过对软核和硬核的协调来对不配对核进行协调,评估解剖学一致性.

主要成果:

• 多路径方法减少了对配对内核的百分比突发症差异 (p < 0.05),在特定内核对上优于标准和可切换循环GAN.
• 对于与参考软核协调的未配对内核,该方法减轻了六个内核中的三个内核的差异,相当于可切换循环GAN.
• 该方法在未配对的核中保持了肌肉和脂肪组织的解剖学一致性,并显示了肺血管的合理重叠,尽管性能与其他模型相比有所不同.

结论:

• 使用共享潜伏空间多路径循环的多域内核协调GAN有效地减轻了强调量化中的错误.
• 提出的方法成功地保持CT图像在不同重建内核协调后的解剖一致性.
• 这种方法为标准化多中心或纵向研究中的定量成像测量提供了可行的解决方案,这些研究涉及各种CT采集协议.