HepatoGEN：基于感知和对抗模型的肝胆相位 MRI 生成
图像与视频处理
2025-08-18 v2 计算机视觉与模式识别
摘要
动态对比增强 MRI (DCE-MRI) 在检测和表征肝脏灶瘤方面发挥着关键作用，其中肝胆相位 (HBP) 提供了至关重要的诊断信息。然而，获取 HBP 图像需要延长的扫描时间，这可能影响患者舒适度和扫描器吞吐量。在本研究中，我们提出一种基于深度学习的方法，用于从更早的对比相位（前对比和过渡相位）合成 HBP 图像，并比较了三种生成模型：感知 U-Net、感知 GAN (pGAN) 和去噪扩散概率模型 (DDPM)。我们精选了来自多中心 DCE-MRI 数据集的样本，涵盖多种临床场景，并引入对比演化得分 (CES) 来评估训练数据质量，以提升模型性能。定量评估采用像素级和感知指标，结合盲法放射科医师评估，结果显示 pGAN 在定量指标上取得最佳表现，但在分布外案例中引入异质对比。相比之下，U-Net 产生一致的肝脏增强，伴有较少的伪影，而 DDPM 由于未能保留细微结构细节而表现不佳。这些发现表明，合成 HBP 图像作为减少扫描时间而不牺牲诊断效用的手段是可行的，凸显了深度学习在肝脏 MRI 动态对比增强中的临床潜力。项目演示可在 https://jhooge.github.io/hepatogen 查看。
关键词
引用
@article{arxiv.2504.18405,
title = {HepatoGEN: Generating Hepatobiliary Phase MRI with Perceptual and Adversarial Models},
author = {Jens Hooge and Gerard Sanroma-Guell and Faidra Stavropoulou and Alexander Ullmann and Gesine Knobloch and Mark Klemens and Carola Schmidt and Sabine Weckbach and Andreas Bolz},
journal= {arXiv preprint arXiv:2504.18405},
year = {2025}
}
备注
Author disagreement