面向乳腺癌虚拟对比增强乳腺X线摄影的病灶感知生成式人工智能
计算机视觉与模式识别
2025-05-07 v1 人工智能
摘要
对比增强能谱乳腺X线摄影（CESM）是一种双能量乳腺X线摄影技术，通过注射含碘对比剂来改善病灶可见度。它同时采集低能图像（与标准乳腺X线摄影相当）和高能图像，然后将两者结合生成双能减影图像，以突出病灶的对比增强。虽然CESM相比标准乳腺X线摄影具有更高的诊断准确性，但其使用会带来更高的辐射暴露以及与对比剂相关的潜在副作用。为解决这些局限性，我们提出了Seg-CycleGAN，一种用于CESM虚拟对比增强的生成式深度学习框架。该模型从低能图像合成高保真度的双能减影图像，利用病灶分割图来引导生成过程并改善病灶重建。Seg-CycleGAN在标准CycleGAN架构的基础上，引入了聚焦于病灶区域的局部损失项，从而增强了诊断相关区域的合成效果。在CESM@UCBM数据集上的实验表明，Seg-CycleGAN在PSNR和SSIM指标上优于基线模型，同时保持了具有竞争力的MSE和VIF。定性评估进一步证实了生成图像中病灶保真度的提升。这些结果表明，分割感知的生成模型为无对比剂CESM替代方案提供了一条可行的途径。
引用
@article{arxiv.2505.03018,
title = {Lesion-Aware Generative Artificial Intelligence for Virtual Contrast-Enhanced Mammography in Breast Cancer},
author = {Aurora Rofena and Arianna Manchia and Claudia Lucia Piccolo and Bruno Beomonte Zobel and Paolo Soda and Valerio Guarrasi},
journal= {arXiv preprint arXiv:2505.03018},
year = {2025}
}