利用深度条件生成模型降低横断面腹部CT切片的位置变异
图像与视频处理
2022-09-30 v1 计算机视觉与模式识别
摘要
2D低剂量单切片腹部计算机断层扫描（CT）切片可直接测量身体成分，这对定量刻画衰老过程中的健康关联至关重要。然而，由于不同年份采集的纵向切片之间存在位置变异，利用2D腹部切片进行身体成分变化的纵向分析具有挑战性。为降低位置变异，我们将条件生成模型扩展为C-SliceGen，其以腹部区域的任意轴位切片为条件，通过估计潜空间中的结构变化来生成指定椎体水平的切片。基于一个内部数据集的1170名受试者和BTCV MICCAI Challenge 2015的50名受试者的实验表明，我们的模型在真实性与相似性方面均能生成高质量图像。基于包含纵向单腹部切片的Baltimore Longitudinal Study of Aging（BLSA）数据集的20名受试者的外部实验验证，我们的方法能在肌肉和内脏脂肪面积方面协调切片位置变异。我们的方法为将不同椎体水平的切片映射到目标切片以降低单切片纵向分析中的位置变异提供了有前景的方向。源代码见：https://github.com/MASILab/C-SliceGen。
引用
@article{arxiv.2209.14467,
title = {Reducing Positional Variance in Cross-sectional Abdominal CT Slices with Deep Conditional Generative Models},
author = {Xin Yu and Qi Yang and Yucheng Tang and Riqiang Gao and Shunxing Bao and LeonY. Cai and Ho Hin Lee and Yuankai Huo and Ann Zenobia Moore and Luigi Ferrucci and Bennett A. Landman},
journal= {arXiv preprint arXiv:2209.14467},
year = {2022}
}
备注
11 pages, 4 figures