Boosting Medical Image Synthesis via Registration-guided Consistency and Disentanglement Learning

要約

医用画像の合成は、トレーニング中の位置ずれノイズにより依然として課題が残っています。
既存の方法では、登録ガイド付きモジュールを組み込むことで、この課題に対処しようと試みてきました。
ただし、これらの方法では、合成モジュールと登録モジュールに対するタスク固有の制約が見落とされる傾向があり、そのため、登録モジュールの機能に関係なく、合成モジュールがトレーニング中に位置合わせされていないターゲット画像を含む空間的に位置合わせされた画像を生成する可能性があります。
したがって、この論文では、レジストレーションに基づく一貫性を提案し、医用画像合成のためのデエンタングルメント学習を組み込んでいます。
提案された登録ガイドによる一貫性アーキテクチャは、合成の前後に同一の変形フィールドを適用することで、合成モジュールと登録モジュール内のタスクの特異性を促進すると同時に、アライメント損失を通じて出力の一貫性を強化します。
さらに、合成モジュールは、さまざまなモダリティにわたる解剖学的構造と特定のスタイルを解きほぐす機能を持つように設計されています。
解剖学的一貫性の損失は、合成モジュールが潜在空間内の幾何学的完全性を維持することをさらに強制するために導入されます。
社内の腹部 CECT-CT データセットと公的に利用可能な骨盤 MR-CT データセットの両方で行われた実験により、提案された方法の優位性が実証されました。

要約(オリジナル)

Medical image synthesis remains challenging due to misalignment noise during training. Existing methods have attempted to address this challenge by incorporating a registration-guided module. However, these methods tend to overlook the task-specific constraints on the synthetic and registration modules, which may cause the synthetic module to still generate spatially aligned images with misaligned target images during training, regardless of the registration module’s function. Therefore, this paper proposes registration-guided consistency and incorporates disentanglement learning for medical image synthesis. The proposed registration-guided consistency architecture fosters task-specificity within the synthetic and registration modules by applying identical deformation fields before and after synthesis, while enforcing output consistency through an alignment loss. Moreover, the synthetic module is designed to possess the capability of disentangling anatomical structures and specific styles across various modalities. An anatomy consistency loss is introduced to further compel the synthetic module to preserve geometrical integrity within latent spaces. Experiments conducted on both an in-house abdominal CECT-CT dataset and a publicly available pelvic MR-CT dataset have demonstrated the superiority of the proposed method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google