Treatment-aware Diffusion Probabilistic Model for Longitudinal MRI Generation and Diffuse Glioma Growth Prediction

要約

びまん性神経膠腫は、脳全体に広がる悪性脳腫瘍です。
腫瘍細胞と正常組織の間の複雑な相互作用、および治療によって引き起こされる変化が頻繁に発生するため、神経膠腫腫瘍の増殖モデリングは困難になります。
この論文では、将来の腫瘍マスクと、さまざまな治療計画の将来の時点で腫瘍がどのように見えるかを示す現実的な MRI を生成できる新しいエンドツーエンド ネットワークを紹介します。
私たちのモデルは、最先端の拡散確率モデルとディープセグメンテーション ニューラル ネットワークに基づいて構築されています。
私たちは拡散モデルを拡張し、生成的拡散プロセスを導くためのコンディショニング入力として逐次マルチパラメトリック MRI および治療情報を含めました。
これにより、任意の時点での腫瘍の増殖を推定することができます。
私たちは、時間の経過に伴う腫瘍セグメンテーション マップとして表される神経膠腫腫瘍の成長軌跡を含む実際の術後縦断 MRI データを使用してモデルをトレーニングしました。
このモデルは、腫瘍マスクを使用した高品質合成 MRI の生成、時系列腫瘍セグメンテーション、不確実性推定など、さまざまなタスクにわたって有望なパフォーマンスを示しています。
治療を意識して生成された MRI と組み合わせると、不確実性の推定値を伴う腫瘍増殖予測により、臨床上の意思決定に有用な情報が得られます。

要約(オリジナル)

Diffuse gliomas are malignant brain tumors that grow widespread through the brain. The complex interactions between neoplastic cells and normal tissue, as well as the treatment-induced changes often encountered, make glioma tumor growth modeling challenging. In this paper, we present a novel end-to-end network capable of generating future tumor masks and realistic MRIs of how the tumor will look at any future time points for different treatment plans. Our model is built upon cutting-edge diffusion probabilistic models and deep-segmentation neural networks. We extended a diffusion model to include sequential multi-parametric MRI and treatment information as conditioning input to guide the generative diffusion process. This allows us to estimate tumor growth at any given time point. We trained the model using real-world postoperative longitudinal MRI data with glioma tumor growth trajectories represented as tumor segmentation maps over time. The model has demonstrated promising performance across a range of tasks, including the generation of high-quality synthetic MRIs with tumor masks, time-series tumor segmentations, and uncertainty estimation. Combined with the treatment-aware generated MRIs, the tumor growth predictions with uncertainty estimates can provide useful information for clinical decision-making.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google