IGUANe: a 3D generalizable CycleGAN for multicenter harmonization of brain MR images

要約

MRI 研究では、複数の取得部位からの画像データを集約することでサンプル サイズが増加しますが、部位に関連した変動が生じ、その後の分析での一貫性が妨げられる可能性があります。
画像翻訳のためのディープラーニング手法は、サイト間で MR 画像を調和させるためのソリューションとして登場しました。
この研究では、多施設脳 MR 画像調和のためのドメイン変換とスタイル転送手法の直接的な適用の強みを活用する独自の 3D モデルである IGUANe (Image Generation with Unified Adversarial Networks) を紹介します。
IGUANe は、多対 1 アーキテクチャを通じてトレーニング用に任意の数のドメインを統合することで CycleGAN を拡張します。
ドメインペアに基づくフレームワークにより、部位関連の変動と生物学的変動の間の混同を防ぐサンプリング戦略の実装が可能になります。
推論中、モデルは未知の取得場所からのものであっても、あらゆる画像に適用できるため、調和のための汎用ジェネレーターとなります。
11 台の異なるスキャナーからの T1 強調画像で構成されるデータセットでトレーニングされた IGUANe は、目に見えない場所からのデータで評価されました。
評価には、移動する被験者による MR 画像の変換、ドメイン内の MR 画像間のペアごとの距離の保存、年齢とアルツハイマー病 (AD) に関連する体積パターンの進化、年齢退行と患者のパフォーマンスが含まれます。
分類タスク。
他の調和化および正規化方法との比較は、IGUANe が MR 画像内の個人情報をよりよく保存し、年齢やアルツハイマー病に関連する変動の維持および強化により適していることを示唆しています。
将来の研究では、同じモデルを使用するか、異なる画像モダリティに適用するためにそれを再訓練することで、他の多施設の状況で IGUANe をさらに評価する可能性があります。
IGUANe は https://github.com/RocaVincent/iguane_harmonization.git で入手できます。

要約(オリジナル)

In MRI studies, the aggregation of imaging data from multiple acquisition sites enhances sample size but may introduce site-related variabilities that hinder consistency in subsequent analyses. Deep learning methods for image translation have emerged as a solution for harmonizing MR images across sites. In this study, we introduce IGUANe (Image Generation with Unified Adversarial Networks), an original 3D model that leverages the strengths of domain translation and straightforward application of style transfer methods for multicenter brain MR image harmonization. IGUANe extends CycleGAN by integrating an arbitrary number of domains for training through a many-to-one architecture. The framework based on domain pairs enables the implementation of sampling strategies that prevent confusion between site-related and biological variabilities. During inference, the model can be applied to any image, even from an unknown acquisition site, making it a universal generator for harmonization. Trained on a dataset comprising T1-weighted images from 11 different scanners, IGUANe was evaluated on data from unseen sites. The assessments included the transformation of MR images with traveling subjects, the preservation of pairwise distances between MR images within domains, the evolution of volumetric patterns related to age and Alzheimer$’$s disease (AD), and the performance in age regression and patient classification tasks. Comparisons with other harmonization and normalization methods suggest that IGUANe better preserves individual information in MR images and is more suitable for maintaining and reinforcing variabilities related to age and AD. Future studies may further assess IGUANe in other multicenter contexts, either using the same model or retraining it for applications to different image modalities. IGUANe is available at https://github.com/RocaVincent/iguane_harmonization.git.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google