在SPECT图像中使用Wasserstein GAN进行无监督异常检测的可行性研究
Ryosuke Kasai1, Hideki Otsuka2
1Department of Medical Imaging/Nuclear Medicine, Institute of Biomedical Sciences, Tokushima University, 3-18-15 Kuramoto, Tokushima, Tokushima, 770-8509, Japan.
EJNMMI physics
|December 30, 2025
概括
这项研究开发了一种瓦瑟斯坦生成模型,用于在大脑SPECT图像中检测异常. 该系统在识别异常方面显示出高精度,可能减少放射科医生的工作量.
科学领域:
- 医学成像分析分析 医学成像分析
- 医疗保健中的人工智能
- 生成型模型是一种生成型模型.
背景情况:
- 大脑单光子发射计算机断层扫描 (SPECT) 对于诊断神经系统疾病至关重要.
- 在SPECT图像中准确检测异常对于及时诊断至关重要.
- 目前的方法可能是劳动密集型,容易出现人为错误.
研究的目的:
- 开发和评估用于大脑SPECT图像的异常检测系统的可行性.
- 使用瓦瑟斯坦生成模型进行增强的图像分析.
- 调查该系统在临床诊断方面的潜在帮助.
主要方法:
- 实施了基于最佳运输理论的瓦斯斯坦生成对抗网络 (WGAN).
- 训练WGAN只使用健康大脑的SPECT图像来检测异常.
- 使用数值幻影和临床大脑SPECT图像验证了系统,通过接收器运行评估特征曲线和曲线下的面积 (AUC).
主要成果:
- 数字幻影显示了噪声/信号水平和异常检测性能 (AUC为0.9994) 之间强烈的相关性.
- 在临床大脑SPECT图像中观察到异常得分和检测到的异常之间的明显相关性.
- 减法图像有效地突出了异常区域.
结论:
- 拟议的Wasserstein基于生成模型的异常检测系统对于大脑SPECT成像是可行的.
- 该系统显示出高准确性和减少人类口译员工作负载的潜力.
- 这项技术可以提高SPECT图像分析的效率和可靠性.
