DCE-FORMER：一种基于 Transformer 的模型，利用互信息和基于频率的损失函数预测前列腺 DCE-MRI 的早期和晚期响应
图像与视频处理
2024-02-06 v1
摘要
动态对比增强磁共振成像 (DCE-MRI) 通过使用基于钆的对比剂 (GBCA) 辅助检测并评估肿瘤的侵袭性。然而，已知 GBCA 具有潜在的毒性作用。如果我们能在不使用 GBCA 的情况下获得 DCE-MRI 图像，则可避免此风险。我们提出了 DCE-former，一种基于 Transformer 的神经网络，旨在从无对比度的多模态输入（T2 加权、表观扩散系数和 T1 预对比 MRI）生成早期和晚期响应的前列腺 DCE-MRI 图像。此外，我们引入了 (i) 一种互信息损失函数以捕捉关于对比剂摄取的互补信息，以及 (ii) 一种在像素空间和傅里叶空间中基于频率的损失函数，以学习 DCE-MRI 中的局部和全局高信号强度模式。大量实验表明，DCE-former 优于其他方法，在早期和晚期响应 DCE-MRI 中，PSNR 分别提高了 +1.39 dB 和 +1.19 dB，SSIM 分别提高了 +0.068 和 +0.055，平均绝对误差分别降低了 -0.012 和 -0.013。
引用
@article{arxiv.2402.02125,
title = {DCE-FORMER: A Transformer-based Model With Mutual Information And Frequency-based Loss Functions For Early And Late Response Prediction In Prostate DCE-MRI},
author = {Sadhana S and Sriprabha Ramanarayanan and Arunima Sarkar and Matcha Naga Gayathri and Keerthi Ram and Mohanasankar Sivaprakasam},
journal= {arXiv preprint arXiv:2402.02125},
year = {2024}
}
备注
Accepted at IEEE ISBI 2024