利用 U-Net 改善稀疏视角肺肿瘤 CT 图像质量
计算机视觉与模式识别
2024-05-07 v4 医学物理
摘要
背景：我们旨在利用 U-Net 改善稀疏视角计算机断层扫描（CT）图像的图像质量（IQ），用于肺转移灶检测，并确定视角数、图像质量与诊断置信度之间的最佳权衡。方法：回顾性选取 2016—2018 年间的 41 名受试者（年龄 62.8 10.6 岁（均值 标准差），23 名男性，34 名患肺转移灶，7 名健康），将其 CT 图像前向投影至 2,048 视角的正弦图。使用滤波反投影从正弦图中以 16、32、64、128、256 和 512 视角重建六个对应不同欠采样水平的稀疏视角 CT 数据子集。针对每个子采样水平，使用来自 22 名患病受试者的 8,658 张图像训练并评估了一个双帧 U-Net。从 19 名受试者（12 名患病，7 名健康）中选取每次扫描的一张代表性图像用于单盲多读者研究。这些切片在所有子采样水平下，含与不含 U-Net 后处理，均呈现给三名读者。使用预定义量表对图像质量和诊断置信度排序。主观结节分割通过灵敏度和 Dice 相似系数（DSC）评估；采用聚类 Wilcoxon 符号秩检验。结果：64 投影稀疏视角图像的灵敏度为 0.89、DSC 为 0.81，而经 U-Net 后处理的对应图像指标改善（灵敏度 0.94、DSC 0.85）（p = 0.400）。更少视角导致图像质量不足以诊断。视角增多时，稀疏视角与后处理图像间未注意到实质差异。结论：投影视角可从 2,048 减少至 64，同时保持令放射科医生满意的图像质量与置信度水平。
引用
@article{arxiv.2307.15506,
title = {Improving image quality of sparse-view lung tumor CT images with U-Net},
author = {Annika Ries and Tina Dorosti and Johannes Thalhammer and Daniel Sasse and Andreas Sauter and Felix Meurer and Ashley Benne and Tobias Lasser and Franz Pfeiffer and Florian Schaff and Daniela Pfeiffer},
journal= {arXiv preprint arXiv:2307.15506},
year = {2024}
}