BrainMRDiff: A Diffusion Model for Anatomically Consistent Brain MRI Synthesis

要約

正確な脳腫瘍診断は、複数の磁気共鳴画像（MRI）配列の評価に依存しています。
ただし、臨床診療では、特定のシーケンスの獲得は、モーションアーティファクトや造影剤の禁忌などの要因の影響を受ける可能性があり、画質が低いなどの最適ではない結果につながります。
これは、放射線科医による画像解釈に影響を与える可能性があります。
したがって、高品質のMRIシーケンスを合成することは、重要な研究の焦点になりました。
制御可能な生成AIの最近の進歩により、診断品質MRIの合成が促進されましたが、解剖学的精度を確保することは依然として重要な課題です。
異なる解剖学的領域間の重要な構造的関係を保存することが不可欠です。マイナーな構造的またはトポロジー的な矛盾でさえ、診断の妥当性を損なう可能性があるためです。
この作業では、脳MRIを合成し、脳および腫瘍の解剖学を条件付け入力として活用するための新しいトポロジーを摂取する、解剖学的誘導拡散モデルであるBrainmrdiffを提案します。
これを達成するために、腫瘍+構造集約（TSA）とトポロジー誘導解剖学（TGAP）の2つの重要なモジュールを紹介します。
TSAは、多様な解剖学的構造を腫瘍情報と統合し、拡散プロセスの包括的な条件付けメカニズムを形成します。
TGAPは、逆除去拡散プロセス中にトポロジーの一貫性を実施します。
これらの両方のモジュールは、生成された画像が解剖学的完全性を尊重することを保証します。
実験結果は、Brainmrdiffが既存のベースラインを上回り、Brats-Agデータセットで23.33％、Brats-Metデータセットで33.33％のパフォーマンスの改善を達成することを示しています。
コードはまもなく公開されます。

要約(オリジナル)

Accurate brain tumor diagnosis relies on the assessment of multiple Magnetic Resonance Imaging (MRI) sequences. However, in clinical practice, the acquisition of certain sequences may be affected by factors like motion artifacts or contrast agent contraindications, leading to suboptimal outcome, such as poor image quality. This can then affect image interpretation by radiologists. Synthesizing high quality MRI sequences has thus become a critical research focus. Though recent advancements in controllable generative AI have facilitated the synthesis of diagnostic quality MRI, ensuring anatomical accuracy remains a significant challenge. Preserving critical structural relationships between different anatomical regions is essential, as even minor structural or topological inconsistencies can compromise diagnostic validity. In this work, we propose BrainMRDiff, a novel topology-preserving, anatomy-guided diffusion model for synthesizing brain MRI, leveraging brain and tumor anatomies as conditioning inputs. To achieve this, we introduce two key modules: Tumor+Structure Aggregation (TSA) and Topology-Guided Anatomy Preservation (TGAP). TSA integrates diverse anatomical structures with tumor information, forming a comprehensive conditioning mechanism for the diffusion process. TGAP enforces topological consistency during reverse denoising diffusion process; both these modules ensure that the generated image respects anatomical integrity. Experimental results demonstrate that BrainMRDiff surpasses existing baselines, achieving performance improvements of 23.33% on the BraTS-AG dataset and 33.33% on the BraTS-Met dataset. Code will be made publicly available soon.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google