BLS-GAN: A Deep Layer Separation Framework for Eliminating Bone Overlap in Conventional Radiographs

要約

従来の X 線撮影は、入手が容易で、汎用性があり、費用対効果が高いため、筋骨格系 (MSK) 疾患の診断、モニタリング、予後予測に広く使用されている画像技術です。
従来の X 線写真では、骨の重なりが多く見られ、放射線科医やアルゴリズムによる骨の特徴の正確な評価が妨げられる可能性があり、従来のコンピューター支援診断に重大な課題をもたらしています。
この研究により、従来の X 線写真における骨層の分離という、挑戦的なシナリオの研究が開始されました。このシナリオでは、別々の重なった骨領域により、各骨層の骨の特徴を独立して評価できるようになり、MSK 疾患の診断とその自動化の基礎が築かれました。
この研究では、適度な骨の特徴とテクスチャを備えた高品質の骨層画像を生成できる骨層分離 GAN (BLS-GAN) フレームワークを提案しました。
このフレームワークでは、従来の X 線撮影イメージング原理に基づいた再構成装置が導入され、効率的な再構成が実現され、重複領域の軟組織によって引き起こされる繰り返しの計算とトレーニングの不安定性の問題が軽減されました。
さらに、合成画像を使用した事前トレーニングが実装され、トレーニング プロセスと結果の両方の安定性が向上しました。
生成された画像は視覚的なチューリング テストに合格し、下流タスクのパフォーマンスが向上しました。
この研究は、従来の X 線写真から骨層画像を抽出する実現可能性を裏付けるものであり、骨層分離技術を活用して MSK の診断、モニタリング、予後におけるより包括的な分析研究を促進することが期待されています。
コードとデータセットが利用可能になります。

要約(オリジナル)

Conventional radiography is the widely used imaging technology in diagnosing, monitoring, and prognosticating musculoskeletal (MSK) diseases because of its easy availability, versatility, and cost-effectiveness. In conventional radiographs, bone overlaps are prevalent, and can impede the accurate assessment of bone characteristics by radiologists or algorithms, posing significant challenges to conventional and computer-aided diagnoses. This work initiated the study of a challenging scenario – bone layer separation in conventional radiographs, in which separate overlapped bone regions enable the independent assessment of the bone characteristics of each bone layer and lay the groundwork for MSK disease diagnosis and its automation. This work proposed a Bone Layer Separation GAN (BLS-GAN) framework that can produce high-quality bone layer images with reasonable bone characteristics and texture. This framework introduced a reconstructor based on conventional radiography imaging principles, which achieved efficient reconstruction and mitigates the recurrent calculations and training instability issues caused by soft tissue in the overlapped regions. Additionally, pre-training with synthetic images was implemented to enhance the stability of both the training process and the results. The generated images passed the visual Turing test, and improved performance in downstream tasks. This work affirms the feasibility of extracting bone layer images from conventional radiographs, which holds promise for leveraging bone layer separation technology to facilitate more comprehensive analytical research in MSK diagnosis, monitoring, and prognosis. Code and dataset will be made available.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google