DIFR3CT: Latent Diffusion for Probabilistic 3D CT Reconstruction from Few Planar X-Rays

要約

コンピューター断層撮影 (CT) スキャンは、多くの臨床疾患の視覚化と診断のための標準治療であり、外部ビーム放射線療法の治療計画に必要です。
残念ながら、低リソース設定および中リソース設定での CT スキャナの可用性は非常にばらつきがあります。
それに比べて、平面 X 線撮影装置ははるかに普及していますが、3D 解剖学的構造の限られた 2D 観察しか提供できません。
この研究では、1 つまたは少数 (<10) の平面 X 線観察から妥当な CT ボリュームの分布を生成できる 3D 潜在拡散モデルである DIFR3CT を提案します。 DIFR3CT は、各 X 線からの 2D 特徴を結合 3D 空間に融合し、低次元の潜在空間でこれらの融合された特徴に条件付けされた拡散を実行することによって機能します。 私たちは、公共の LIDC データセットと社内の乳房切除術後 CT データセットの両方で、標準ピクセル レベル (PSNR、SSIM) の点で、DIFR3CT が最近のスパース CT 再構成ベースラインよりも優れていることを実証する広範な実験を実施しています。 また、DIFR3CT がモンテカルロ サンプリングによる不確実性の定量化をサポートし、再構成の信頼性を測定する機会を提供することも示します。 最後に、自動化された乳房放射線治療の輪郭形成と計画のために DIFR3CT を評価する予備パイロット研究を実施し、有望な実現可能性を実証します。 私たちのコードは https://github.com/yransun/DIFR3CT で入手できます。

要約(オリジナル)

Computed Tomography (CT) scans are the standard-of-care for the visualization and diagnosis of many clinical ailments, and are needed for the treatment planning of external beam radiotherapy. Unfortunately, the availability of CT scanners in low- and mid-resource settings is highly variable. Planar x-ray radiography units, in comparison, are far more prevalent, but can only provide limited 2D observations of the 3D anatomy. In this work we propose DIFR3CT, a 3D latent diffusion model, that can generate a distribution of plausible CT volumes from one or few (<10) planar x-ray observations. DIFR3CT works by fusing 2D features from each x-ray into a joint 3D space, and performing diffusion conditioned on these fused features in a low-dimensional latent space. We conduct extensive experiments demonstrating that DIFR3CT is better than recent sparse CT reconstruction baselines in terms of standard pixel-level (PSNR, SSIM) on both the public LIDC and in-house post-mastectomy CT datasets. We also show that DIFR3CT supports uncertainty quantification via Monte Carlo sampling, which provides an opportunity to measure reconstruction reliability. Finally, we perform a preliminary pilot study evaluating DIFR3CT for automated breast radiotherapy contouring and planning -- and demonstrate promising feasibility. Our code is available at https://github.com/yransun/DIFR3CT.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google