用于增强肿瘤分割的乳腺 MRI 造影前至造影后合成
图像与视频处理
2024-06-03 v3 计算机视觉与模式识别
机器学习
摘要
尽管动态对比增强 MRI(DCE-MRI)中的造影剂给药对肿瘤检测与治疗有益,但其伴随一系列问题,包括侵入性、生物蓄积以及肾源性系统性纤维化的风险。本研究探索利用生成对抗网络(GAN)将造影前 T1 加权脂肪抑制乳腺 MRI 转换为对应首期 DCE-MRI 序列,以生成合成对比增强的可行性。此外,我们引入一种缩放聚合度量(SAMe),旨在以原则性方式定量评估合成数据质量,并作为选择最优生成模型的基础。我们使用定量图像质量指标评估所生成的 DCE-MRI 数据,并将其应用于三维乳腺肿瘤分割的下游任务。我们的结果凸显了造影后 DCE-MRI 合成通过数据增强提升乳腺肿瘤分割模型鲁棒性的潜力。我们的代码见 https://github.com/RichardObi/pre_post_synthesis。
引用
@article{arxiv.2311.10879,
title = {Pre- to Post-Contrast Breast MRI Synthesis for Enhanced Tumour Segmentation},
author = {Richard Osuala and Smriti Joshi and Apostolia Tsirikoglou and Lidia Garrucho and Walter H. L. Pinaya and Oliver Diaz and Karim Lekadir},
journal= {arXiv preprint arXiv:2311.10879},
year = {2024}
}
备注
Accepted as oral presentation at SPIE Medical Imaging 2024 (Image Processing)