Revolutionizing Brain Tumor Imaging: Generating Synthetic 3D FA Maps from T1-Weighted MRI using CycleGAN Models

要約

分数異方性（FA）と方向性エンコード色（DEC）マップは、ニューロイメージングにおける白質の完全性と構造的接続性を評価するために不可欠です。
ただし、FAマップとトラクトグラフィーの間の空間的不整合は、予測モデルへの効果的な統合を妨げます。
この問題に対処するために、T1強調MRIスキャンからFAマップを直接生成するためのCycleGanベースのアプローチを提案し、この技術の最初の適用を健康な組織と腫瘍に影響を受けた組織の両方に表します。
対応のないデータで訓練されたモデルは、高忠実度マップを生成します。これは、構造類似性インデックス（SSIM）およびピーク信号対雑音比（PSNR）を使用して厳密に評価されており、腫瘍領域で特に堅牢なパフォーマンスを示しています。
放射線評価は、追加のスキャンの必要性を減らすAI駆動型の代替品を提供することにより、臨床ワークフローを強化するモデルの可能性をさらに強調します。

要約(オリジナル)

Fractional anisotropy (FA) and directionally encoded colour (DEC) maps are essential for evaluating white matter integrity and structural connectivity in neuroimaging. However, the spatial misalignment between FA maps and tractography atlases hinders their effective integration into predictive models. To address this issue, we propose a CycleGAN based approach for generating FA maps directly from T1-weighted MRI scans, representing the first application of this technique to both healthy and tumour-affected tissues. Our model, trained on unpaired data, produces high fidelity maps, which have been rigorously evaluated using Structural Similarity Index (SSIM) and Peak Signal-to-Noise Ratio (PSNR), demonstrating particularly robust performance in tumour regions. Radiological assessments further underscore the model’s potential to enhance clinical workflows by providing an AI-driven alternative that reduces the necessity for additional scans.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google