Region of Interest focused MRI to Synthetic CT Translation using Regression and Classification Multi-task Network

要約

この作業では、正確な骨密度値の予測に特に焦点を当てた、画像の構造的および定量的精度を目的としたゼロエコー時間 (ZTE) MRI からの合成 CT (sCT) 生成の方法を提示します。
画像内の空間的にまばらな領域を優先する損失関数を提案します。
マルチタスクネットワークの機能を利用して、相関出力をフレームワークとして生成し、分類による関心領域 (RoI) のローカリゼーションを可能にし、RoI 内の値の回帰を強調し、グローバル回帰によって全体的な精度を維持します。
ネットワークは、各タスクからの専用の損失を組み合わせた複合損失関数によって最適化されます。
RoI に焦点を当てた損失を伴うマルチタスク ネットワークが、他のネットワーク構成よりも優れたパフォーマンスの精度を達成する方法を示します。
これは、骨の高いハウンズフィールド単位値を正確に推定できないと、臨床応用の精度が損なわれる可能性がある sCT に関連しています。
提案された sCT からの線量計算マップと、放射線療法の治療計画設定における実際の CT を比較します。

要約(オリジナル)

In this work, we present a method for synthetic CT (sCT) generation from zero-echo-time (ZTE) MRI aimed at structural and quantitative accuracies of the image, with a particular focus on the accurate bone density value prediction. We propose a loss function that favors a spatially sparse region in the image. We harness the ability of a multi-task network to produce correlated outputs as a framework to enable localisation of region of interest (RoI) via classification, emphasize regression of values within RoI and still retain the overall accuracy via global regression. The network is optimized by a composite loss function that combines a dedicated loss from each task. We demonstrate how the multi-task network with RoI focused loss offers an advantage over other configurations of the network to achieve higher accuracy of performance. This is relevant to sCT where failure to accurately estimate high Hounsfield Unit values of bone could lead to impaired accuracy in clinical applications. We compare the dose calculation maps from the proposed sCT and the real CT in a radiation therapy treatment planning setup.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google