CHeart: A Conditional Spatio-Temporal Generative Model for Cardiac Anatomy

要約

心臓画像解析における 2 つの重要な問題は、画像から心臓の解剖学的構造と動きを評価することです。
また、性別、年齢、疾患などの画像以外の臨床的要因とどのように関連しているかを理解すること。
最初の質問は、画像セグメンテーションとモーション トラッキング アルゴリズムによって解決できることが多いですが、モデル化して 2 番目の質問に答える能力はまだ限られています。
この作業では、心臓の 4D 時空間解剖学と非画像臨床因子との相互作用を記述する新しい条件付き生成モデルを提案します。
臨床的要因は、生成モデリングの条件として統合されるため、これらの要因が心臓の解剖学にどのように影響するかを調べることができます。
主に 2 つのタスク、解剖学的シーケンスの完成とシーケンスの生成でモデルのパフォーマンスを評価します。
このモデルは、解剖学的シーケンスの完成において高いパフォーマンスを達成し、他の最先端の生成モデルと同等またはそれを上回ります。
シーケンス生成に関しては、臨床条件が与えられた場合、モデルは、実際のデータと同様の分布を共有する現実的な合成 4D シーケンシャル アナトミーを生成できます。

要約(オリジナル)

Two key questions in cardiac image analysis are to assess the anatomy and motion of the heart from images; and to understand how they are associated with non-imaging clinical factors such as gender, age and diseases. While the first question can often be addressed by image segmentation and motion tracking algorithms, our capability to model and to answer the second question is still limited. In this work, we propose a novel conditional generative model to describe the 4D spatio-temporal anatomy of the heart and its interaction with non-imaging clinical factors. The clinical factors are integrated as the conditions of the generative modelling, which allows us to investigate how these factors influence the cardiac anatomy. We evaluate the model performance in mainly two tasks, anatomical sequence completion and sequence generation. The model achieves a high performance in anatomical sequence completion, comparable to or outperforming other state-of-the-art generative models. In terms of sequence generation, given clinical conditions, the model can generate realistic synthetic 4D sequential anatomies that share similar distributions with the real data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google