Simulating Dynamic Tumor Contrast Enhancement in Breast MRI using Conditional Generative Adversarial Networks

要約

この論文では、乳房 MRI における仮想コントラスト強調の方法を紹介し、従来の造影剤ベースの DCE-MRI 取得に代わる有望な非侵襲的代替手段を提供します。
条件付き敵対的生成ネットワークを使用して、非造影 MRI から、対応する複数の DCE-MRI タイムポイントの共同生成シーケンスを含む DCE-MRI 画像を予測し、関連する健康リスクを伴わずに腫瘍の位置特定と特徴付けを可能にします。
さらに、合成 DCE-MRI 画像を定性的および定量的に評価し、マルチメトリック Scaled Aggregate Measure (SAMe) を提案し、腫瘍セグメンテーションの下流タスクにおけるその有用性を評価し、マルチシーケンス DCE の時間的パターンの分析で結論付けます。
-MRI世代。
私たちのアプローチは、現実的で有用な DCE-MRI シーケンスの生成において有望な結果を実証し、特に造影剤投与が禁忌である患者に対する乳がんの診断と治療を改善するための仮想コントラスト強調の可能性を強調しています。

要約(オリジナル)

This paper presents a method for virtual contrast enhancement in breast MRI, offering a promising non-invasive alternative to traditional contrast agent-based DCE-MRI acquisition. Using a conditional generative adversarial network, we predict DCE-MRI images, including jointly-generated sequences of multiple corresponding DCE-MRI timepoints, from non-contrast-enhanced MRIs, enabling tumor localization and characterization without the associated health risks. Furthermore, we qualitatively and quantitatively evaluate the synthetic DCE-MRI images, proposing a multi-metric Scaled Aggregate Measure (SAMe), assessing their utility in a tumor segmentation downstream task, and conclude with an analysis of the temporal patterns in multi-sequence DCE-MRI generation. Our approach demonstrates promising results in generating realistic and useful DCE-MRI sequences, highlighting the potential of virtual contrast enhancement for improving breast cancer diagnosis and treatment, particularly for patients where contrast agent administration is contraindicated.

arxiv情報

著者 Richard Osuala,Smriti Joshi,Apostolia Tsirikoglou,Lidia Garrucho,Walter H. L. Pinaya,Daniel M. Lang,Julia A. Schnabel,Oliver Diaz,Karim Lekadir
発行日 2024-09-27 16:08:52+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, cs.LG, eess.IV パーマリンク