使用循环生成对抗网络从肺栓塞患者胸部CT影像模拟CT肺动脉造影图像
图像与视频处理
2022-05-18 v1 计算机视觉与模式识别
机器学习
摘要
本研究旨在开发一个系统，能够临床生成用于肺栓塞诊断的模拟计算机断层扫描肺动脉造影（CTPA）图像。目前，CTPA图像是确定和识别肺栓塞（PE）症状的金标准计算机检测方法，尽管进行CTPA检查对患者有害且费用昂贵。因此，我们旨在通过CT图像检测可能的PE患者。该系统将利用深度学习模型模拟CTPA图像，以识别PE患者的症状，为医生判断PE患者提供另一参考依据。在本研究中，模拟CTPA图像生成系统使用生成对抗网络来增强CT图像中肺血管的特征，以加强图像的参考价值，并为医院判断PE患者提供依据。我们使用来自国立成功大学医学院附设医院的22名患者的CT图像及相应的CTPA图像作为模拟CTPA图像任务的训练数据，并利用两组生成对抗网络生成图像。本研究有望为肺栓塞的临床诊断提出一种新方法，即利用深度学习网络辅助复杂的筛查过程，并审查生成的模拟CTPA图像，使医生能够评估患者是否需要进行详细的CTPA检查，从而提高肺栓塞的检测速度，并显著减少漏诊患者的数量。
引用
@article{arxiv.2205.08106,
title = {Computerized Tomography Pulmonary Angiography Image Simulation using Cycle Generative Adversarial Network from Chest CT imaging in Pulmonary Embolism Patients},
author = {Chia-Hung Yang and Yun-Chien Cheng and Chin Kuo},
journal= {arXiv preprint arXiv:2205.08106},
year = {2022}
}
备注
23 pages, 14 figures, 6 tables