Inter-vendor harmonization of Computed Tomography (CT) reconstruction kernels using unpaired image translation

要約

コンピュータ断層撮影 (CT) 生成における再構成カーネルは、画像のテクスチャを決定します。
基礎となる CT テクスチャが定量的画像解析中の測定に影響を与える可能性があるため、再構成カーネルの一貫性が重要です。
調和（つまり、カーネル変換）により、一貫性のない再構成カーネルによる測定値の差異が最小限に抑えられます。
既存の方法では、単一または複数のメーカーでの CT スキャンの調和を調査しています。
ただし、これらの方法では、空間的および解剖学的に位置合わせされたハードおよびソフト再構成カーネルのペアスキャンが必要です。
さらに、メーカー内のさまざまなカーネル ペアにわたって多数のモデルをトレーニングする必要があります。
この研究では、不対画像変換アプローチを採用し、マルチパス サイクル敵対的生成ネットワーク (GAN) を構築することで、異なるメーカーの再構成カーネル間およびカーネル間での調和を調査します。
私たちは、National Lung Screening Trial データセットからシーメンスおよび GE ベンダーのハードおよびソフト再構成カーネルを使用しています。
各再構成カーネルから 50 回のスキャンを使用して、マルチパス サイクル GAN をトレーニングします。
再構成カーネルに対する調和の効果を評価するために、シーメンス ハード カーネル、GE ソフト カーネル、および GE ハード カーネルから参照シーメンス ソフト カーネル (B30f) までの各 50 スキャンを調和し、肺気腫のパーセントを評価します。
年齢、喫煙状況、性別、ベンダーを考慮して線形モデルを当てはめ、肺気腫スコアの分散分析 (ANOVA) を実行します。
当社のアプローチは、肺気腫の測定における差異を最小限に抑え、年齢、性別、喫煙状況、ベンダーが肺気腫の定量化に及ぼす影響を強調します。

要約(オリジナル)

The reconstruction kernel in computed tomography (CT) generation determines the texture of the image. Consistency in reconstruction kernels is important as the underlying CT texture can impact measurements during quantitative image analysis. Harmonization (i.e., kernel conversion) minimizes differences in measurements due to inconsistent reconstruction kernels. Existing methods investigate harmonization of CT scans in single or multiple manufacturers. However, these methods require paired scans of hard and soft reconstruction kernels that are spatially and anatomically aligned. Additionally, a large number of models need to be trained across different kernel pairs within manufacturers. In this study, we adopt an unpaired image translation approach to investigate harmonization between and across reconstruction kernels from different manufacturers by constructing a multipath cycle generative adversarial network (GAN). We use hard and soft reconstruction kernels from the Siemens and GE vendors from the National Lung Screening Trial dataset. We use 50 scans from each reconstruction kernel and train a multipath cycle GAN. To evaluate the effect of harmonization on the reconstruction kernels, we harmonize 50 scans each from Siemens hard kernel, GE soft kernel and GE hard kernel to a reference Siemens soft kernel (B30f) and evaluate percent emphysema. We fit a linear model by considering the age, smoking status, sex and vendor and perform an analysis of variance (ANOVA) on the emphysema scores. Our approach minimizes differences in emphysema measurement and highlights the impact of age, sex, smoking status and vendor on emphysema quantification.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google