基于条件生成对抗网络的下臂骨科应用 MR 图像合成 CT 研究
计算机视觉与模式识别
2019-01-25 v1 图像与视频处理
摘要
目的：评估基于深度学习的高分辨率合成 CT 从下臂 MRI 扫描生成以用于骨科应用的可行性。方法：训练一个条件生成对抗网络（conditional Generative Adversarial Network）从多回波 MR 图像合成 CT 图像。获取了 9 个离体下臂的 MRI 和 CT 扫描训练集，并将 CT 图像配准到 MRI 图像。采用三折交叉验证为整个数据集生成独立结果。使用平均绝对误差指标以及皮质骨分割上的 Dice 相似度和面到面距离对合成 CT 图像进行定量评估。结果：整体组织体积上的平均绝对误差为 63.5 HU，皮质骨上为 144.2 HU。皮质骨分割的平均 Dice 相似度为 0.86。真实与合成 CT 上骨之间的平均面到面距离为 0.48 mm。定性地，合成 CT 图像与真实 CT 扫描对应良好，并在骨小梁中部分保持了高分辨率结构。合成 CT 图像上的骨分割在肌腱上出现了一些假阳性，但骨的总体形状被准确重建。结论：本研究证明可从下臂 MRI 扫描生成高质量合成 CT。骨分割的良好对应表明，在依赖此类分割的应用（如骨科手术规划和 3D 打印）中，合成 CT 可与真实 CT 相竞争。
引用
@article{arxiv.1901.08449,
title = {CT synthesis from MR images for orthopedic applications in the lower arm using a conditional generative adversarial network},
author = {Frank Zijlstra and Koen Willemsen and Mateusz C. Florkow and Ralph J. B. Sakkers and Harrie H. Weinans and Bart C. H. van der Wal and Marijn van Stralen and Peter R. Seevinck},
journal= {arXiv preprint arXiv:1901.08449},
year = {2019}
}
备注
This work has been accepted at the SPIE Medical Imaging 2019, Image Processing conference, paper 10949-54