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

要約

Contrast Enhanced Spectral Mammography (CESM)は、まずヨード化造影剤の静脈内投与が必要で、その後、標準的なマンモグラフィと同等の低エネルギー画像と高エネルギー画像の両方を収集するデュアルエネルギー乳房X線撮影法である。その後、2つのスキャンを組み合わせて、造影効果を示す再結合画像を得る。CESMは乳癌診断に有利であるにもかかわらず、造影剤の使用は副作用を引き起こす可能性があり、またCESMは標準的なマンモグラフィに比べて高い放射線量を患者に照射する。これらの限界に対処するため、本研究では、CESMの仮想コントラスト強調に深層生成モデルを使用することを提案する。我々のディープネットワークは、オートエンコーダと2つのGenerative Adversarial Networks、Pix2PixとCycleGANから構成され、低エネルギー画像のみから合成再結合画像を生成する。本研究のさらなる貢献として、1138枚の画像を含む新しいCESMデータセットを用いて、放射線科医の評価も利用しながら、モデルの性能の広範な定量的・定性的分析を行った。その結果、CycleGANが合成組換え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が示され、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が強調された。

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 both 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, DeepL