Faithful Synthesis of Low-dose Contrast-enhanced Brain MRI Scans using Noise-preserving Conditional GANs

要約

現在、ガドリニウムベースの造影剤 (GBCA) は、さまざまな病気を診断するための磁気共鳴画像法 (MRI) に不可欠です。
ただし、GBCA は高価であり、潜在的な副作用を伴う患者には蓄積する可能性があるため、用量を減らすことが推奨されます。
それでも、特に病理学的領域において、診断価値を維持しながら GBCA 用量をどの程度まで減らすことができるかは不明である。
この問題に対処するために、多数の非標準 GBCA 線量で脳 MRI スキャンを収集し、分割線量レベルで対応する画像を合成するための条件付き GAN モデルを開発しました。
敵対的損失に加えて、ノイズを忠実に保存するために、ローカルでペアになったパッチ統計のワッサーシュタイン距離に基づく新しいコンテンツ損失関数を提唱します。
私たちの数値実験では、条件付き GAN がさまざまな GBCA 線量レベルで画像を生成するのに適しており、仮想コントラスト モデルのデータセットを増強するために使用できることが示されています。
さらに、私たちのモデルは、非標準の GBCA 線量画像が存在しない、BraTS などのオープンに利用可能なデータセットに転送できます。

要約(オリジナル)

Today Gadolinium-based contrast agents (GBCA) are indispensable in Magnetic Resonance Imaging (MRI) for diagnosing various diseases. However, GBCAs are expensive and may accumulate in patients with potential side effects, thus dose-reduction is recommended. Still, it is unclear to which extent the GBCA dose can be reduced while preserving the diagnostic value — especially in pathological regions. To address this issue, we collected brain MRI scans at numerous non-standard GBCA dosages and developed a conditional GAN model for synthesizing corresponding images at fractional dose levels. Along with the adversarial loss, we advocate a novel content loss function based on the Wasserstein distance of locally paired patch statistics for the faithful preservation of noise. Our numerical experiments show that conditional GANs are suitable for generating images at different GBCA dose levels and can be used to augment datasets for virtual contrast models. Moreover, our model can be transferred to openly available datasets such as BraTS, where non-standard GBCA dosage images do not exist.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google