CAS-GAN for Contrast-free Angiography Synthesis

要約

ヨード造影剤は数多くの介入処置で広く利用されていますが、患者に重大な健康リスクをもたらします。
この論文では、もつれ解除表現学習と血管セマンティック ガイダンスを介して X 線血管造影を合成するための「仮想造影剤」として機能する新しい GAN フレームワークである CAS-GAN について紹介します。これにより、インターベンション処置中のヨウ素化造影剤への依存度が軽減されます。
具体的には、私たちのアプローチは、医学的な事前知識を活用して、X 線血管造影を背景と血管のコンポーネントに分解します。
次に、特殊な予測子がこれらのコンポーネント間の相互関係をマッピングすることを学習します。
さらに、生成された画像の視覚的な忠実性を高めるために、血管セマンティックガイド型ジェネレーターと対応する損失関数が導入されています。
XCAD データセットの実験結果は、CAS-GAN の最先端のパフォーマンスを実証し、FID 5.87 と MMD 0.016 を達成しました。
これらの有望な結果は、CAS-GAN の臨床応用の可能性を強調しています。

要約(オリジナル)

Iodinated contrast agents are widely utilized in numerous interventional procedures, yet posing substantial health risks to patients. This paper presents CAS-GAN, a novel GAN framework that serves as a ‘virtual contrast agent’ to synthesize X-ray angiographies via disentanglement representation learning and vessel semantic guidance, thereby reducing the reliance on iodinated contrast agents during interventional procedures. Specifically, our approach disentangles X-ray angiographies into background and vessel components, leveraging medical prior knowledge. A specialized predictor then learns to map the interrelationships between these components. Additionally, a vessel semantic-guided generator and a corresponding loss function are introduced to enhance the visual fidelity of generated images. Experimental results on the XCAD dataset demonstrate the state-of-the-art performance of our CAS-GAN, achieving a FID of 5.87 and a MMD of 0.016. These promising results highlight CAS-GAN’s potential for clinical applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google