A Deep Learning Approach for Virtual Contrast Enhancement in Contrast Enhanced Spectral Mammography

要約

コントラスト増強スペクトルマンモグラフィー (CESM) は、最初にヨウ素化造影剤の静脈内投与を必要とする二重エネルギーマンモグラフィー画像技術です。
次に、標準的なマンモグラフィーに匹敵する低エネルギー画像と高エネルギー画像をボットに収集します。
次に、2 つのスキャンを結合して、コントラスト強調を示す再結合画像を取得します。
乳がん診断における CESM 診断の利点にもかかわらず、造影剤の使用は副作用を引き起こす可能性があり、CESM は標準的なマンモグラフィーと比較してより高い放射線量を患者に照射します。
これらの制限に対処するために、この研究では、CESM の仮想コントラスト強調にディープ生成モデルを使用することを提案し、CESM をコントラストフリーにし、放射線量を低減することを目指しています。
オートエンコーダーと 2 つの敵対的生成ネットワーク (Pix2Pix および CycleGAN) で構成される当社のディープ ネットワークは、低エネルギー画像のみから合成再結合画像を生成します。
私たちは、この研究のさらなる貢献として一般に公開している 1,138 枚の画像を含む新しい CESM データセットに対して、放射線科医の評価も利用して、モデルのパフォーマンスに関する広範な定量的および定性的な分析を実行します。
この結果は、CycleGAN が合成再結合画像を生成するための最も有望なディープ ネットワークであることを示しており、この分野における仮想コントラスト強調のための人工知能技術の可能性を強調しています。

要約(オリジナル)

Contrast Enhanced Spectral Mammography (CESM) is a dual-energy mammographic imaging technique that first needs intravenously administration of an iodinated contrast medium; then, it collects bot a low-energy image, comparable to standard mammography, and a high-energy image. The two scans are then combined to get a recombined image showing contrast enhancement. Despite CESM diagnostic advantages for breast cancer diagnosis, the use of contrast medium can cause side effects, and CESM also beams patients with a higher radiation dose compared to standard mammography. To address these limitations this work proposes to use deep generative models for virtual contrast enhancement on CESM, aiming to make the CESM contrast-free as well as to reduce the radiation dose. Our deep networks, consisting of an autoencoder and two Generative Adversarial Networks, the Pix2Pix, and the CycleGAN, generate synthetic recombined images solely from low-energy images. We perform an extensive quantitative and qualitative analysis of the model’s performance, also exploiting radiologists’ assessments, on a novel CESM dataset that includes 1138 images that, as a further contribution of this work, we make publicly available. The results show that CycleGAN is the most promising deep network to generate synthetic recombined images, highlighting the potential of artificial intelligence techniques for virtual contrast enhancement in this field.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google