基于 3D 增强型 Alpha-GAN 的合成大鼠脑 MRI 扫描生成

使用磁共振成像（MRI）的转化脑研究正日益普及，因为动物模型是科学研究的重要组成部分，且越来越多的超高场扫描仪可供使用。MRI 的一些缺点包括扫描仪的可用性和完整扫描会话所需的时间（通常需要超过 30 分钟）。隐私法和 3R 伦理准则也使得创建用于训练深度学习模型的大型数据集变得困难。生成对抗网络（GAN）能够比其他技术以更高质量进行数据增强。在这项工作中，使用 alpha-GAN 架构来测试其生成逼真的大鼠脑 3D MRI 扫描的能力。据作者所知，这是首次将基于 GAN 的方法用于临床前数据的数据增强。使用各种定性和定量指标对生成的扫描进行评估。由 4 名专家进行的图灵测试表明，生成的扫描几乎可以欺骗任何专家。生成的扫描还用于评估其对现有深度学习模型性能的影响，该模型用于将大鼠脑分割为白质、灰质和脑脊液。使用 Dice 分数对模型进行比较。当使用 174 个真实扫描和 348 个合成扫描时，获得了全脑和白质分割的最佳结果，分别提高了 0.0172 和 0.0129。使用 174 个真实扫描和 87 个合成扫描分别在灰质和脑脊液分割上带来了 0.0038 和 0.0764 的提升。因此，通过使用所提出的新归一化层和损失函数，得以提高生成的大鼠 MRI 扫描的真实感，并且表明使用生成的数据比使用传统数据增强更能改进分割模型。