Subject-Specific Lesion Generation and Pseudo-Healthy Synthesis for Multiple Sclerosis Brain Images

要約

脳病変の強度特性を理解することは，神経学的研究における画像ベースのバイオマーカーを定義し，疾患負荷や転帰を予測する上で重要である．本研究では，病変の局所的な特徴をモデル化するための新しい前景ベースの生成手法を提案する．この手法は，健常画像から病変を合成し，病理画像から被験者固有の擬似健常画像を合成することが可能である．さらに，提案手法は，脳画像セグメンテーションネットワークを学習するための合成画像を生成するデータ補強モジュールとして利用することができる．磁気共鳴イメージング（MRI）で取得された多発性硬化症（MS）の脳画像を用いた実験により，提案手法は非常にリアルな擬似健康画像と擬似病理画像を生成できることを示す．この合成画像を用いたデータ補強により、従来のデータ補強手法や病変を考慮したデータ補強手法であるCarveMixと比較して、脳画像のセグメンテーション性能が向上することが確認されました。コードは、https://github.com/dogabasaran/lesion-synthesis で公開される予定です。

要約(オリジナル)

Understanding the intensity characteristics of brain lesions is key for defining image-based biomarkers in neurological studies and for predicting disease burden and outcome. In this work, we present a novel foreground-based generative method for modelling the local lesion characteristics that can both generate synthetic lesions on healthy images and synthesize subject-specific pseudo-healthy images from pathological images. Furthermore, the proposed method can be used as a data augmentation module to generate synthetic images for training brain image segmentation networks. Experiments on multiple sclerosis (MS) brain images acquired on magnetic resonance imaging (MRI) demonstrate that the proposed method can generate highly realistic pseudo-healthy and pseudo-pathological brain images. Data augmentation using the synthetic images improves the brain image segmentation performance compared to traditional data augmentation methods as well as a recent lesion-aware data augmentation technique, CarveMix. The code will be released at https://github.com/dogabasaran/lesion-synthesis.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL