用于成对与非成对低剂量肺部计算机断层扫描重建核和谐化的多路径 cycleGAN
图像与视频处理
2025-05-29 v1 计算机视觉与模式识别
摘要
计算机断层扫描 (CT) 中的重建核会影响空间分辨率与噪声特性，从而在肺气肿定量等定量成像测量中引入系统性变异。因此，选择合适的核对于一致的定量分析至关重要。我们提出了一种用于 CT 核和谐化的多路径 cycleGAN 模型，该模型在来自低剂量肺癌筛查队列的成对与非成对数据的混合集上进行训练。该模型采用具有共享潜在空间的特定域编码器和解码器，并使用针对每个域定制的判别器。我们使用国家肺部筛查试验 (NLST) 数据集中七种代表性核各 100 次扫描，在 42 种核组合上训练该模型。为了评估性能，将每种核的 240 次扫描和谐化为参考软核，并在和谐化前后对肺气肿进行定量。一般线性模型评估了年龄、性别、吸烟状况和核对肺气肿的影响。我们还评估了从软核到参考硬核的和谐化。为了评估解剖一致性，我们比较了由 TotalSegmentator 在和谐化图像与原始图像之间生成的肺血管、肌肉和皮下脂肪组织的分割结果。我们的模型与传统的和可切换的 cycleGAN 进行了基准对比。对于成对核，我们的方法减少了肺气肿评分中的偏差，如 Bland-Altman 图所示 (p<0.05)。对于非成对核，和谐化消除了肺气肿中的混杂差异 (p>0.05)。高 Dice 分数证实了对肌肉和脂肪解剖结构的保留，而肺血管的重叠度保持在合理范围内。总体而言，我们具有共享潜在空间的多路径 cycleGAN 能够在成对与非成对 CT 核之间实现稳健的和谐化，改善了肺气肿定量并保持了解剖保真度。
引用
@article{arxiv.2505.22568,
title = {Multipath cycleGAN for harmonization of paired and unpaired low-dose lung computed tomography reconstruction kernels},
author = {Aravind R. Krishnan and Thomas Z. Li and Lucas W. Remedios and Michael E. Kim and Chenyu Gao and Gaurav Rudravaram and Elyssa M. McMaster and Adam M. Saunders and Shunxing Bao and Kaiwen Xu and Lianrui Zuo and Kim L. Sandler and Fabien Maldonado and Yuankai Huo and Bennett A. Landman},
journal= {arXiv preprint arXiv:2505.22568},
year = {2025}
}