Conditional Generative Models for Contrast-Enhanced Synthesis of T1w and T1 Maps in Brain MRI

要約

ガドリニウムベースの造影剤 (GBCA) によるコントラスト増強は、神経放射線学における腫瘍診断に不可欠なツールです。
ガドリニウム投与前後の神経膠芽腫の脳 MRI スキャンに基づいて、2 つの新しい貢献を備えたニューラル ネットワークによる増強予測に取り組みます。
まず、仮想強化における不確実性の定量化のための生成モデル、より正確には条件付き拡散とフローマッチングの可能性を研究します。
次に、定量的 MRI による T1 スキャンと T1 強調スキャンのパフォーマンスを調べます。
T1 強調スキャンとは対照的に、これらのスキャンには物理的に意味があり、それにより同等のボクセル範囲という利点があります。
これら 2 つのモダリティのネットワーク予測パフォーマンスを互換性のないグレー値スケールで比較するために、Dice スコアと Jaccard スコアを使用してコントラスト強調された関心領域のセグメンテーションを評価することを提案します。
どのモデルでも、T1 強調スキャンよりも T1 スキャンの方が優れたセグメンテーションが観察されます。

要約(オリジナル)

Contrast enhancement by Gadolinium-based contrast agents (GBCAs) is a vital tool for tumor diagnosis in neuroradiology. Based on brain MRI scans of glioblastoma before and after Gadolinium administration, we address enhancement prediction by neural networks with two new contributions. Firstly, we study the potential of generative models, more precisely conditional diffusion and flow matching, for uncertainty quantification in virtual enhancement. Secondly, we examine the performance of T1 scans from quantitive MRI versus T1-weighted scans. In contrast to T1-weighted scans, these scans have the advantage of a physically meaningful and thereby comparable voxel range. To compare network prediction performance of these two modalities with incompatible gray-value scales, we propose to evaluate segmentations of contrast-enhanced regions of interest using Dice and Jaccard scores. Across models, we observe better segmentations with T1 scans than with T1-weighted scans.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google