基于回归与分类多任务网络的感兴趣区域聚焦MRI到合成CT转换
图像与视频处理
2022-10-26 v2 人工智能
计算机视觉与模式识别
医学物理
摘要
在本工作中,我们提出一种由零回波时间(ZTE)MRI生成合成CT(sCT)的方法,旨在实现图像的结构与定量精度,特别关注骨密度值的准确预测。我们提出了一种偏向图像中空间稀疏区域的损失函数。我们利用多任务网络产生相关输出的能力作为框架,通过分类实现感兴趣区域(RoI)定位,强化RoI内数值的回归,并通过全局回归保持整体精度。该网络由复合损失函数优化,该函数结合了各任务的专用损失。我们展示了带RoI聚焦损失的多任务网络相对于其他网络配置在 achieving 更高性能精度上的优势。这与sCT相关,因为未能准确估计骨的高Hounsfield单位值可能导致临床应用精度受损。我们在放射治疗计划设置中比较了所提sCT与真实CT的剂量计算图。
引用
@article{arxiv.2203.16288,
title = {Region of Interest focused MRI to Synthetic CT Translation using Regression and Classification Multi-task Network},
author = {Sandeep Kaushik and Mikael Bylund and Cristina Cozzini and Dattesh Shanbhag and Steven F Petit and Jonathan J Wyatt and Marion I Menzel and Carolin Pirkl and Bhairav Mehta and Vikas Chauhan and Kesavadas Chandrasekharan and Joakim Jonsson and Tufve Nyholm and Florian Wiesinger and Bjoern Menze},
journal= {arXiv preprint arXiv:2203.16288},
year = {2022}
}
备注
Submitted to Physics in Medicine & Biology