SAN-Wavelet cycleGAN用于在腹部CT合成中加强解剖结构和保存组织细节
Yueyu Huang1, Lu Qiang2, Wenyu Xing3
1The First People's Hospital of Chenzhou, Chenzhou, Hunan 423000, China; College of Electronics and Information Engineering, Shanghai University of Electric Power, Shanghai 200135, China.
概括
本研究介绍了SAN-Wavelet cycleGAN,这是一个无监督的模型,用于从MRI图像中合成CT图像,用于放射治疗规划. 该模型在结构完整性和细节方面实现了高精度,显示出有希望的临床适用性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 放射治疗 物理 物理
背景情况:
- 从MRI图像生成CT图像对于放射治疗计划至关重要.
- 目前的方法在结构和细节准确性方面扎,限制了临床使用.
研究的目的:
- 开发一个无监督模型,用于准确的无配对MR-to-CT图像合成.
- 为了提高合成CT图像的结构完整性和细节一致性.
主要方法:
- 提出了结构适应性规范化波段 (SAN-Wavelet) 循环GAN模型.
- 引入了一个结构适应性正常化 (SAN) 模块,用于解剖完整性.
- 实现的邻近细节损失 (ND损失) 为了实现模式间细节的一致性.
- 采用高频分辨器和波纹传递跳过连接来获得细组织细节.
主要成果:
- SAN-Wavelet cycleGAN在腹部MR到CT合成中表现出有效性.
- 与现有的无监督方法相比,实现了更高的性能 (5-15%的改进).
- 合成的CT图像显示了与真实CT扫描的统计学上一致的剂量分布 (P > 0.05).
结论:
- 在放射治疗规划中,SAN-Wavelet cycleGAN为未配对的MR-to-CT合成提供了一个有前途的解决方案.
- 该模型确保了解剖学准确性,并保留了高频组织细节.
- 合成的CT图像因其剂量测量一致性而适合临床应用.
更多相关视频
06:57Author Spotlight: Advancing Cardiovascular Imaging - Introducing the Spatially Weighted Calcium Score for Early Disease Detection
Published on: September 22, 2023
1.4K
04:35Sample Preparation for Computed Tomography-based Three-dimensional Visualization of Murine Hind-limb Vessels
Published on: October 7, 2021
2.7K
