对比增强光谱乳腺摄影中虚拟对比增强的深度学习方法
图像与视频处理
2026-03-13 v2 计算机视觉与模式识别
摘要
对比增强光谱乳腺摄影（CESM）是一种双能乳腺摄影成像技术，首先需静脉注射碘对比剂；然后采集一幅类似于标准乳腺摄影的低能图像和一幅高能图像。两次扫描随后被组合以得到显示对比增强的重组合图像。尽管CESM在乳腺癌诊断方面具有诊断优势，但对比剂的使用可能引起副作用，且相较于标准乳腺摄影，CESM对患者的辐射剂量也更高。为应对这些局限，本工作提出在CESM中使用深度生成模型进行虚拟对比增强，旨在使CESM无需对比剂并降低辐射剂量。我们的深度网络由一个自编码器和两个生成对抗网络（GAN）——Pix2Pix与CycleGAN组成，仅从低能图像生成合成重组合图像。我们在包含1138幅图像的新型CESM数据集上对模型性能进行了广泛的定量与定性分析，并借助放射科医生的评估；作为本工作的另一贡献，该数据集已公开可用。结果表明，CycleGAN是生成合成重组合图像最有前景的深度网络，凸显了人工智能技术在该领域虚拟对比增强中的潜力。
引用
@article{arxiv.2308.00471,
title = {A Deep Learning Approach for Virtual Contrast Enhancement in Contrast Enhanced Spectral Mammography},
author = {Aurora Rofena and Valerio Guarrasi and Marina Sarli and Claudia Lucia Piccolo and Matteo Sammarra and Bruno Beomonte Zobel and Paolo Soda},
journal= {arXiv preprint arXiv:2308.00471},
year = {2026}
}