Improving Deep Learning-based Automatic Cranial Defect Reconstruction by Heavy Data Augmentation: From Image Registration to Latent Diffusion Models

要約

パーソナライズされた頭蓋インプラントのモデリングと製造は、頭蓋損傷に苦しむ患者の待ち時間を短縮する可能性がある重要な研究分野です。
パーソナライズされたインプラントのモデリングは、深層学習ベースの方法を使用することで部分的に自動化できます。
ただし、このタスクには、これまで見たことのない分布からのデータへの一般化が困難であるため、研究結果を実際の臨床現場で使用することが困難になります。
グラウンドトゥルースのアノテーションを取得するのは難しいため、ディープネットワークのトレーニングに使用されるデータセットの異質性を改善するためのさまざまな手法を検討し、導入する必要があります。
この研究では、古典的な幾何学的変換、画像レジストレーション、変分オートエンコーダー、敵対的生成ネットワークから、潜在拡散モデルの最新の進歩に至るまで、いくつかの拡張技術の大規模な研究を紹介します。
大量のデータ拡張を使用すると、定量的および定性的結果の両方が大幅に向上し、その結果、平均ダイス スコアが SkullBreak データセットでは 0.94 を超え、SkullFix データセットでは 0.96 を超えることがわかりました。
さらに、合成的に強化されたネットワークが実際の臨床欠陥を首尾よく再構築することを示します。
この研究は、パーソナライズされた頭蓋インプラントの自動モデリングにおいて、人工知能の分野に多大な貢献を果たしています。

要約(オリジナル)

Modeling and manufacturing of personalized cranial implants are important research areas that may decrease the waiting time for patients suffering from cranial damage. The modeling of personalized implants may be partially automated by the use of deep learning-based methods. However, this task suffers from difficulties with generalizability into data from previously unseen distributions that make it difficult to use the research outcomes in real clinical settings. Due to difficulties with acquiring ground-truth annotations, different techniques to improve the heterogeneity of datasets used for training the deep networks have to be considered and introduced. In this work, we present a large-scale study of several augmentation techniques, varying from classical geometric transformations, image registration, variational autoencoders, and generative adversarial networks, to the most recent advances in latent diffusion models. We show that the use of heavy data augmentation significantly increases both the quantitative and qualitative outcomes, resulting in an average Dice Score above 0.94 for the SkullBreak and above 0.96 for the SkullFix datasets. Moreover, we show that the synthetically augmented network successfully reconstructs real clinical defects. The work is a considerable contribution to the field of artificial intelligence in the automatic modeling of personalized cranial implants.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google