Improving Computed Tomography (CT) Reconstruction via 3D Shape Induction

要約

胸部コンピュータ断層撮影 (CT) イメージングは​​、結核 (TB) などの肺感染症の診断と管理に貴重な洞察をもたらします。
ただし、コストとリソースの制限により、X 線画像のみが初期診断または治療中のフォローアップ比較画像に利用できる場合があります。
X 線画像は射影的な性質があるため、臨床医による解釈がより困難になる場合があります。
X 線と CT のペアになった画像データセットが公開されていないため、3D 再構成モデ​​ルのトレーニングが難しくなっています。
さらに、胸部 X 線放射線学は、さまざまな画質のさまざまなデバイス モダリティに依存している可能性があり、入力の多様性を生み出す基礎となる人口疾患スペクトルの変動が存在する可能性があります。
再構成モデ​​ルのトレーニング中に現実的な X 線分布を組み込むための新しい手法として、形状誘導、つまり CT 監視なしで X 線から 3D CT の形状を学習することを提案します。
私たちの実験は、このプロセスが生成された CT の知覚品質と肺感染症の下流分類の精度の両方を向上させることを示しています。

要約(オリジナル)

Chest computed tomography (CT) imaging adds valuable insight in the diagnosis and management of pulmonary infectious diseases, like tuberculosis (TB). However, due to the cost and resource limitations, only X-ray images may be available for initial diagnosis or follow up comparison imaging during treatment. Due to their projective nature, X-rays images may be more difficult to interpret by clinicians. The lack of publicly available paired X-ray and CT image datasets makes it challenging to train a 3D reconstruction model. In addition, Chest X-ray radiology may rely on different device modalities with varying image quality and there may be variation in underlying population disease spectrum that creates diversity in inputs. We propose shape induction, that is, learning the shape of 3D CT from X-ray without CT supervision, as a novel technique to incorporate realistic X-ray distributions during training of a reconstruction model. Our experiments demonstrate that this process improves both the perceptual quality of generated CT and the accuracy of down-stream classification of pulmonary infectious diseases.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google