用于纵向 MRI 生成与弥漫性胶质瘤生长预测的治疗感知扩散概率模型
图像与视频处理
2025-01-23 v5 计算机视觉与模式识别
摘要
弥漫性胶质瘤是广泛浸润脑部的恶性脑肿瘤。肿瘤细胞与正常组织间的复杂相互作用，以及常遇的治疗诱发改变，使得胶质瘤生长建模颇具挑战。本文提出一种新颖的端到端网络，能够针对不同治疗方案预测未来任意时间点的肿瘤掩膜及多参数磁共振图像（MRI）中肿瘤的外观。我们的方法基于前沿的扩散概率模型与深度分割神经网络。我们将序列多参数 MRI 与治疗信息作为条件输入，以引导生成式扩散过程及联合分割过程。这允许在任意给定治疗与时间点进行肿瘤生长估计与逼真 MRI 生成。我们使用真实世界术后纵向 MRI 数据训练模型，其中胶质瘤生长轨迹以随时间变化的肿瘤分割图表示。该模型在多项任务中展现出良好性能，包括生成带肿瘤掩膜的高质量多参数 MRI、执行时间序列肿瘤分割以及提供不确定性估计。结合治疗感知生成的 MRI，带不确定性估计的肿瘤生长预测可为临床决策提供有用信息。
引用
@article{arxiv.2309.05406,
title = {Treatment-aware Diffusion Probabilistic Model for Longitudinal MRI Generation and Diffuse Glioma Growth Prediction},
author = {Qinghui Liu and Elies Fuster-Garcia and Ivar Thokle Hovden and Bradley J MacIntosh and Edvard Grødem and Petter Brandal and Carles Lopez-Mateu and Donatas Sederevicius and Karoline Skogen and Till Schellhorn and Atle Bjørnerud and Kyrre Eeg Emblem},
journal= {arXiv preprint arXiv:2309.05406},
year = {2025}
}
备注
preprints in IEEE-TMI, 14 pages