利用 TGAN 结合肿瘤掩膜生成三维 PET 图像
图像与视频处理
2021-11-04 v1 计算机视觉与模式识别
机器学习
医学物理
摘要
由于缺乏训练数据、标注样本以及存在隐私问题，在医学图像上训练用于疾病诊断或图像分割的计算机视觉相关算法十分困难。因此，迫切需要一种鲁棒的生成方法来创建合成数据。然而，大多数三维图像生成器需要额外的图像输入，或者内存占用极大。为解决这些问题，我们提出将视频生成技术应用于三维图像生成。我们展示了利用时序 GAN (TGAN) 架构，能够生成逼真的头颈部 PET 图像。我们还展示了，通过以肿瘤掩膜为条件来约束生成器，能够控制生成图像中肿瘤的几何形状和位置。为测试合成图像的实用性，我们使用合成图像训练了一个分割模型。以真实肿瘤掩膜为条件的合成图像被自动分割，相应的真实图像也被分割。我们使用 Dice 系数评估分割结果，发现分割算法在两个数据集上表现相似（合成数据 0.65，真实数据 0.70）。随后，针对每个数据集，在分割出的肿瘤体积上计算了多种影像组学特征。对真实和合成特征分布的对比显示，八个特征分布中有七个在统计上无显著差异（p>0.05）。我们还计算了所有影像组学特征之间的相关系数，结果表明，真实数据集中所有强统计相关性在合成数据集中均得以保留。
引用
@article{arxiv.2111.01866,
title = {3-D PET Image Generation with tumour masks using TGAN},
author = {Robert V Bergen and Jean-Francois Rajotte and Fereshteh Yousefirizi and Ivan S Klyuzhin and Arman Rahmim and Raymond T. Ng},
journal= {arXiv preprint arXiv:2111.01866},
year = {2021}
}