BraSyn 2023 challenge: Missing MRI synthesis and the effect of different learning objectives

要約

この研究は、2023 年の脳腫瘍セグメンテーション チャレンジ (BraTS) の一部として主催された、腫瘍セグメンテーションのための脳磁気共鳴画像合成 (BraSyn) チャレンジに取り組んでいます。このチャレンジでは、研究者は、与えられた欠落している磁気共鳴画像シーケンスの合成に取り組むよう求められています。
他の利用可能なシーケンスは、画像シーケンスの完全なセットでトレーニングされた腫瘍セグメンテーション パイプラインを容易にします。
この問題は、ペアになった画像間の変換のフレームワークで深層学習を使用して対処できます。
この研究では、さまざまな画質損失関数の監視下でトレーニングされた Pix2Pix などの一般的に使用される深層学習フレームワークの有効性を調査することを提案しました。
私たちの結果は、さまざまな損失関数の使用が合成の品質に大きな影響を与えることを示しています。
私たちは、BraSyn チャレンジのマルチシーケンス MR 画像合成設定におけるさまざまな損失関数の影響を系統的に研究しています。
さらに、さまざまな学習目標を効果的に組み合わせることで、画像合成のパフォーマンスを最適化する方法を示します。

要約(オリジナル)

This work is addressing the Brain Magnetic Resonance Image Synthesis for Tumor Segmentation (BraSyn) challenge which was hosted as part of the Brain Tumor Segmentation challenge (BraTS) 2023. In this challenge researchers are invited to work on synthesizing a missing magnetic resonance image sequence given other available sequences to facilitate tumor segmentation pipelines trained on complete sets of image sequences. This problem can be addressed using deep learning in the framework of paired images-to-image translation. In this work, we proposed to investigate the effectiveness of a commonly-used deep learning framework such as Pix2Pix trained under supervision of different image-quality loss functions. Our results indicate that using different loss functions significantly affects the synthesis quality. We systematically study the impact of different loss functions in the multi-sequence MR image synthesis setting of the BraSyn challenge. Furthermore, we show how image synthesis performance can be optimized by beneficially combining different learning objectives.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google