Denoising Diffusion Models for Inpainting of Healthy Brain Tissue

要約

この論文は「BraTS 2023 Local Synthesis of Healthy Brain Tissue via Inpainting Challenge」への寄稿です。
この課題の課題は、脳磁気共鳴 (MR) 画像で腫瘍組織を健康な組織に変換することです。
このアイデアは、MR 画像は自動処理ツールを使用して評価できるが、これらのツールの多くは健康な組織の分析用に最適化されているという問題に由来しています。
指定された修復タスクを解決することで、病変を特徴とする画像の自動分析と、さらに下流のタスクが可能になります。
私たちのアプローチは、ノイズ除去拡散確率モデルに基づいています。
健康な組織が切り取られ、再び修復されるように学習されたスライスを使用してトレーニングされた 2D モデルを使用します。
これにより、トレーニング中に正しい健康組織を使用できるようになります。
サンプリング段階では、元の 3D ボリューム内の病気の組織を含むスライスを、修復された健康な組織を含むスライスに置き換えます。
私たちのアプローチにより、競合する方法と同等の結果が得られます。
検証セットでは、モデルは平均 SSIM 0.7804、PSNR 20.3525、MSE 0.0113 を達成しました。
将来的には、2D モデルを 3D モデルに拡張し、隣接するスライスのコンテキスト情報を失うことなく関心領域全体を修復できるようにする予定です。

要約(オリジナル)

This paper is a contribution to the ‘BraTS 2023 Local Synthesis of Healthy Brain Tissue via Inpainting Challenge’. The task of this challenge is to transform tumor tissue into healthy tissue in brain magnetic resonance (MR) images. This idea originates from the problem that MR images can be evaluated using automatic processing tools, however, many of these tools are optimized for the analysis of healthy tissue. By solving the given inpainting task, we enable the automatic analysis of images featuring lesions, and further downstream tasks. Our approach builds on denoising diffusion probabilistic models. We use a 2D model that is trained using slices in which healthy tissue was cropped out and is learned to be inpainted again. This allows us to use the ground truth healthy tissue during training. In the sampling stage, we replace the slices containing diseased tissue in the original 3D volume with the slices containing the healthy tissue inpainting. With our approach, we achieve comparable results to the competing methods. On the validation set our model achieves a mean SSIM of 0.7804, a PSNR of 20.3525 and a MSE of 0.0113. In future we plan to extend our 2D model to a 3D model, allowing to inpaint the region of interest as a whole without losing context information of neighboring slices.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google