Multipath cycleGAN for harmonization of paired and unpaired low-dose lung computed tomography reconstruction kernels

要約

コンピューター断層撮影（CT）の再構築カーネルは、空間分解能とノイズ特性に影響を及ぼし、肺気腫の定量化などの定量的イメージング測定に体系的な変動を導入します。
したがって、適切なカーネルを選択することは、一貫した定量分析に不可欠です。
低用量の肺がんスクリーニングコホートからのペアと対応のないデータの混合について訓練された、CTカーネル調和のためのマルチパスサイクルガンモデルを提案します。
このモデルには、共有潜在スペースを備えたドメイン固有のエンコーダーとデコーダーを備えており、各ドメインに合わせて調整された判別器を使用します。これは、国立肺スクリーニングトライアル（NLST）データセットの7つの代表的なカーネルからそれぞれ100スキャンを使用して、42カーネルの組み合わせでモデルをトレーニングします。
パフォーマンスを評価するために、各カーネルからの240のスキャンが参照ソフトカーネルに調和し、調和の前後に肺気腫が定量化されます。
一般的な線形モデルは、肺気腫に対する年齢、性別、喫煙状態、核の影響を評価します。
また、ソフトカーネルから参照ハードカーネルへの調和を評価します。
解剖学的一貫性を評価するために、肺血管、筋肉、および皮下脂肪組織のセグメンテーションを、調和した画像と元の画像の間で生成した皮下脂肪組織を比較します。
私たちのモデルは、従来の切り替え可能なサイクルガンに対してベンチマークされています。
ペアのカーネルの場合、私たちのアプローチは、ブランド・アルトマンのプロットに見られるように、肺気腫スコアのバイアスを減らします（P <0.05）。 対応のないカーネルの場合、調和は肺気腫の交絡の違いを排除します（p> 0.05）。
ハイダイスのスコアは、筋肉と脂肪の解剖学の保存を確認しますが、肺血管のオーバーラップは依然として合理的です。
全体として、当社の共有された潜在スペースマルチパスサイクルガンは、ペアのペアとペアのないCTカーネル全体で堅牢な調和を可能にし、肺気腫の定量化を改善し、解剖学的忠実度を維持します。

要約(オリジナル)

Reconstruction kernels in computed tomography (CT) affect spatial resolution and noise characteristics, introducing systematic variability in quantitative imaging measurements such as emphysema quantification. Choosing an appropriate kernel is therefore essential for consistent quantitative analysis. We propose a multipath cycleGAN model for CT kernel harmonization, trained on a mixture of paired and unpaired data from a low-dose lung cancer screening cohort. The model features domain-specific encoders and decoders with a shared latent space and uses discriminators tailored for each domain.We train the model on 42 kernel combinations using 100 scans each from seven representative kernels in the National Lung Screening Trial (NLST) dataset. To evaluate performance, 240 scans from each kernel are harmonized to a reference soft kernel, and emphysema is quantified before and after harmonization. A general linear model assesses the impact of age, sex, smoking status, and kernel on emphysema. We also evaluate harmonization from soft kernels to a reference hard kernel. To assess anatomical consistency, we compare segmentations of lung vessels, muscle, and subcutaneous adipose tissue generated by TotalSegmentator between harmonized and original images. Our model is benchmarked against traditional and switchable cycleGANs. For paired kernels, our approach reduces bias in emphysema scores, as seen in Bland-Altman plots (p<0.05). For unpaired kernels, harmonization eliminates confounding differences in emphysema (p>0.05). High Dice scores confirm preservation of muscle and fat anatomy, while lung vessel overlap remains reasonable. Overall, our shared latent space multipath cycleGAN enables robust harmonization across paired and unpaired CT kernels, improving emphysema quantification and preserving anatomical fidelity.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google