Image translation of Ultrasound to Pseudo Anatomical Display by CycleGAN

要約

超音波は、医用画像で2番目に使用されるモダリティです。
それは費用効果が高く、危険がなく、持ち運び可能であり、多くの臨床手順で日常的に実施されています。
それにもかかわらず、画質は、粒状の外観、不十分なSNR、およびスペックルノイズによって特徴付けられます。
悪性腫瘍に特有で、縁はぼやけて不明瞭です。
したがって、超音波画像の品質を改善するための大きな必要性があります。
これは、ニューラルネットワークを使用して、組織の解剖学的切断を模倣するより現実的な表示に変換することで実現できると仮定します。
この目標を達成するための好ましいアプローチは、ペアの画像のセットを使用することです。
しかし、私たちの場合、これは事実上不可能です。
したがって、各ドメインプロパティを個別に学習し、ドメイン間のサイクルの一貫性を強化するために、Cycle Generative Adversarial Network（CycleGAN）が使用されました。
モデルのトレーニングに使用された2つのデータセットは、「乳房超音波画像」（BUSI）と、私たちの研究室で取得した家禽の乳房組織サンプルの一連の光学画像でした。
生成された疑似解剖学的画像は、より明確な境界の定義と顕著なコントラストで病変の視覚的識別を改善します。
解剖学的特徴の保存を評価するために、超音波画像の病変と生成された疑似解剖学的画像の両方が自動的にセグメント化され、比較されました。
この比較により、良性腫瘍では0.91、悪性腫瘍では0.70のダイススコアの中央値が得られました。
病変中心誤差の中央値は、良性および悪性腫瘍でそれぞれ0.58％および3.27％であり、面積誤差指数の中央値は、良性および悪性腫瘍でそれぞれ0.40％および4.34％でした。
結論として、これらの生成された疑似解剖学的画像は、より直感的な方法で提示され、組織の解剖学的構造を強化し、診断を簡素化し、臨床転帰を改善する可能性があります。

要約(オリジナル)

Ultrasound is the second most used modality in medical imaging. It is cost effective, hazardless, portable and implemented routinely in numerous clinical procedures. Nonetheless, image quality is characterized by granulated appearance, poor SNR and speckle noise. Specific for malignant tumors, the margins are blurred and indistinct. Thus, there is a great need for improving ultrasound image quality. We hypothesize that this can be achieved, using neural networks, by translation into a more realistic display which mimics an anatomical cut through the tissue. In order to achieve this goal, the preferable approach would be to use a set of paired images. However, this is practically impossible in our case. Therefore, Cycle Generative Adversarial Network (CycleGAN) was used, in order to learn each domain properties separately and enforce cross domain cycle consistency. The two datasets which were used for training the model were ‘Breast Ultrasound Images’ (BUSI) and a set of optic images of poultry breast tissue samples acquired at our lab. The generated pseudo anatomical images provide improved visual discrimination of the lesions with clearer border definition and pronounced contrast. In order to evaluate the preservation of the anatomical features, the lesions in the ultrasonic images and the generated pseudo anatomical images were both automatically segmented and compared. This comparison yielded median dice score of 0.91 for the benign tumors and 0.70 for the malignant ones. The median lesion center error was 0.58% and 3.27% for the benign and malignancies respectively and the median area error index was 0.40% and 4.34% for the benign and malignancies respectively. In conclusion, these generated pseudo anatomical images, which are presented in a more intuitive way, enhance tissue anatomy and can potentially simplify the diagnosis and improve the clinical outcome.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google