CACTUSS: Common Anatomical CT-US Space for US examinations

要約

腹部大動脈瘤（AAA）は、大動脈の一部が拡大し、その壁が弱くなり、血管が破裂する可能性がある血管疾患です。
腹部超音波は診断に利用されてきましたが、画質が限られており、オペレーターに依存しているため、通常、モニタリングと治療計画にはCTスキャンが必要です。
最近、腹部CTデータセットは、自動大動脈セグメンテーションのための深層ニューラルネットワークのトレーニングにうまく利用されています。
したがって、この解決されたタスクから収集された知識を活用して、AAAの診断と監視のための米国のセグメンテーションを改善することができます。
この目的のために、CACTUSSを提案します。これは、CTとUSのモダリティ間の仮想ブリッジとして機能し、自動AAAスクリーニング超音波検査を可能にする一般的な解剖学的CT-US空間です。
CACTUSSは、公開されているラベル付きデータを利用して、USとCTの両方からプロパティを継承する中間表現に基づいてセグメント化する方法を学習します。
この新しい表現でセグメンテーションネットワークをトレーニングし、モデルが実際のBモード画像で実行できるようにする追加の画像間変換ネットワークを採用しています。
完全に監視された方法との定量的比較は、ダイススコアと診断メトリックの観点からCACTUSSの機能を示しており、私たちの方法がAAAスキャンと診断の臨床要件も満たしていることを示しています。

要約(オリジナル)

Abdominal aortic aneurysm (AAA) is a vascular disease in which a section of the aorta enlarges, weakening its walls and potentially rupturing the vessel. Abdominal ultrasound has been utilized for diagnostics, but due to its limited image quality and operator dependency, CT scans are usually required for monitoring and treatment planning. Recently, abdominal CT datasets have been successfully utilized to train deep neural networks for automatic aorta segmentation. Knowledge gathered from this solved task could therefore be leveraged to improve US segmentation for AAA diagnosis and monitoring. To this end, we propose CACTUSS: a common anatomical CT-US space, which acts as a virtual bridge between CT and US modalities to enable automatic AAA screening sonography. CACTUSS makes use of publicly available labelled data to learn to segment based on an intermediary representation that inherits properties from both US and CT. We train a segmentation network in this new representation and employ an additional image-to-image translation network which enables our model to perform on real B-mode images. Quantitative comparisons against fully supervised methods demonstrate the capabilities of CACTUSS in terms of Dice Score and diagnostic metrics, showing that our method also meets the clinical requirements for AAA scanning and diagnosis.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google