Generative Adversarial Networks in Ultrasound Imaging: Extending Field of View Beyond Conventional Limits

要約

経胸壁心エコー検査 (TTE) は、心臓血管医学における基本的な非侵襲的診断ツールであり、さまざまな心臓病の診断に不可欠な心臓構造の詳細な視覚化を可能にします。
TTE 超音波イメージングは​​広く使用されているにもかかわらず、固有の制限、特に視野 (FoV) と解像度の間のトレードオフに直面しています。
この論文では、特に高解像度を維持しながら TTE 超音波イメージングの FoV を拡張するように設計された、条件付き敵対的生成ネットワーク (cGAN) の新しいアプリケーションを紹介します。
echoGAN と呼ばれる私たちが提案する cGAN アーキテクチャは、アウトペイントを通じてリアルな解剖学的構造を生成し、医療画像処理における表示可能領域を効果的に拡大する機能を実証しています。
この進歩により、自動と手動の両方の超音波ナビゲーションが強化される可能性があり、超音波画像処理に関連する学習曲線を大幅に短縮し、より正確な診断を支援できる、より包括的なビューが提供されます。
この結果は、echoGAN が詳細な心臓の特徴を確実に再現することを裏付けており、非侵襲的な心臓ナビゲーションおよび診断の分野での大きな前進が期待されます。

要約(オリジナル)

Transthoracic Echocardiography (TTE) is a fundamental, non-invasive diagnostic tool in cardiovascular medicine, enabling detailed visualization of cardiac structures crucial for diagnosing various heart conditions. Despite its widespread use, TTE ultrasound imaging faces inherent limitations, notably the trade-off between field of view (FoV) and resolution. This paper introduces a novel application of conditional Generative Adversarial Networks (cGANs), specifically designed to extend the FoV in TTE ultrasound imaging while maintaining high resolution. Our proposed cGAN architecture, termed echoGAN, demonstrates the capability to generate realistic anatomical structures through outpainting, effectively broadening the viewable area in medical imaging. This advancement has the potential to enhance both automatic and manual ultrasound navigation, offering a more comprehensive view that could significantly reduce the learning curve associated with ultrasound imaging and aid in more accurate diagnoses. The results confirm that echoGAN reliably reproduce detailed cardiac features, thereby promising a significant step forward in the field of non-invasive cardiac naviagation and diagnostics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google