IGUANe: a 3D generalizable CycleGAN for multicenter harmonization of brain MR images

要約

MRI研究では、複数の撮影部位からの画像データを集約することでサンプルサイズは向上するが、部位に関連したばらつきが生じ、その後の解析の一貫性を阻害する可能性がある。画像変換のためのディープラーニング手法は、施設間でMR画像を調和させるためのソリューションとして登場した。本研究では、IGUANe（Image Generation with Unified Adversarial Networks）を紹介する。IGUANeは、多施設の脳MR画像を調和させるために、ドメイン変換の長所とスタイル転送法の簡単な適用を活用した独自の3Dモデルである。IGUANeは、CycleGANアーキテクチャを拡張し、多対1戦略により、任意の数のドメインを統合して学習する。推論中、モデルは、未知の撮影部位からの画像であっても、あらゆる画像に適用することができ、ハーモナイゼーションのための普遍的なジェネレータとなる。IGUANeは、11の異なるスキャナーからのT1強調画像からなるデータセットで訓練され、未知の部位からのデータで評価された。評価には、移動する被験者によるMR画像の変換、ドメイン内のMR画像間の対距離の保存、年齢とアルツハイマー病（AD）に関連する容積パターンの進化、年齢回帰と患者分類タスクの性能が含まれた。他のハーモナイゼーションやノーマライゼーション手法との比較から、IGUANeはMR画像の個々の情報をよりよく保存し、加齢やADに関連する差異を維持・強化するのに適していることが示唆された。今後の研究では、IGUANeを他の多施設でさらに評価し、同じモデルを使用するか、異なる画像モダリティに適用するために再トレーニングすることが考えられる。

要約(オリジナル)

In MRI studies, the aggregation of imaging data from multiple acquisition sites enhances sample size but may introduce site-related variabilities that hinder consistency in subsequent analyses. Deep learning methods for image translation have emerged as a solution for harmonizing MR images across sites. In this study, we introduce IGUANe (Image Generation with Unified Adversarial Networks), an original 3D model that leverages the strengths of domain translation and straightforward application of style transfer methods for multicenter brain MR image harmonization. IGUANe extends CycleGAN architecture by integrating an arbitrary number of domains for training through a many-to-one strategy. During inference, the model can be applied to any image, even from an unknown acquisition site, making it a universal generator for harmonization. Trained on a dataset comprising T1-weighted images from 11 different scanners, IGUANe was evaluated on data from unseen sites. The assessments included the transformation of MR images with traveling subjects, the preservation of pairwise distances between MR images within domains, the evolution of volumetric patterns related to age and Alzheimer$^\prime$s disease (AD), and the performance in age regression and patient classification tasks. Comparisons with other harmonization and normalization methods suggest that IGUANe better preserves individual information in MR images and is more suitable for maintaining and reinforcing variabilities related to age and AD. Future studies may further assess IGUANe in other multicenter contexts, either using the same model or retraining it for applications to different image modalities.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL