使用保持模式的生成对抗网络从胸部计算机断层扫描中获取单体积肺生物力学
图像与视频处理
2021-10-18 v1 计算机视觉与模式识别
摘要
肺部的局部组织膨胀通常通过对在多个肺体积下采集的计算机断层扫描（CT）图像进行配准来推导。然而，获取多次扫描会增加辐射剂量、时间和成本，且在许多情况下可能无法实现，从而限制了基于配准的生物力学的适用性。我们提出了一种生成对抗学习方法，用于直接从单次CT扫描中估计局部组织膨胀。所提出的框架在SPIROMICS队列的2500名受试者上进行了训练和评估。训练完成后，该框架可作为一种无需配准的方法用于预测局部组织膨胀。我们在不同程度疾病严重度下评估了模型性能，并将其性能与两种图像到图像转换框架——UNet和Pix2Pix进行了比较。我们的模型在1 mm3的高空间分辨率下实现了18.95分贝的总体PSNR、0.840的SSIM以及0.61的Spearman相关系数。
引用
@article{arxiv.2110.07878,
title = {Single volume lung biomechanics from chest computed tomography using a mode preserving generative adversarial network},
author = {Muhammad F. A. Chaudhary and Sarah E. Gerard and Di Wang and Gary E. Christensen and Christopher B. Cooper and Joyce D. Schroeder and Eric A. Hoffman and Joseph M. Reinhardt},
journal= {arXiv preprint arXiv:2110.07878},
year = {2021}
}
备注
5 pages, 5 figures