通过对抗训练从多模态 MRI 中学习多发性硬化中的髓鞘含量
计算机视觉与模式识别
2018-09-17 v2
摘要
多发性硬化（MS）是一种中枢神经系统中枢神经系统（CNS）的脱髓鞘疾病。因此，对组织髓鞘含量的可靠测量对于理解 MS 的病理生理、追踪疾病进展和评估治疗效果至关重要。使用 的正电子发射断层扫描（PET）已被提出作为测量 MS 体内髓鞘含量变化的一种有前景的生物标志物。然而，PET 成像由于需注射放射性示踪剂而昂贵且具有侵入性。相反，磁共振成像（MRI）是一种非侵入、广泛可用的技术，但现有 MRI 序列迄今未能提供可靠、特异或直接反映脱髓鞘或髓鞘再生的标记。在本工作中，我们因此提出 Sketcher-Refiner 生成对抗网络（GANs），并配以专门设计的对抗损失函数，从多种 MRI 模态的组合中预测 PET 衍生的髓鞘含量图。该预测问题通过草图-精炼过程求解：草图生成器生成初步的解剖与生理信息，精炼生成器对其进行细化并生成反映人脑组织髓鞘含量的图像。我们在全局与体素层面评估了该方法预测髓鞘含量的能力。评估结果表明，病灶区的脱髓鞘以及正常外观白质（NAWM）中的髓鞘含量均可由我们的方法良好预测。该方法有望成为 MS 患者临床管理的有用工具。
引用
@article{arxiv.1804.08039,
title = {Learning Myelin Content in Multiple Sclerosis from Multimodal MRI through Adversarial Training},
author = {Wen Wei and Emilie Poirion and Benedetta Bodini and Stanley Durrleman and Nicholas Ayache and Bruno Stankoff and Olivier Colliot},
journal= {arXiv preprint arXiv:1804.08039},
year = {2018}
}
备注
Accepted by MICCAI2018