Treatment-aware Diffusion Probabilistic Model for Longitudinal MRI Generation and Diffuse Glioma Growth Prediction

要約

びまん性神経膠腫は、脳全体に広がる悪性脳腫瘍です。
腫瘍細胞と正常組織の間の複雑な相互作用、および治療によって引き起こされる変化が頻繁に発生するため、神経膠腫腫瘍の増殖モデリングは困難になります。
この論文では、さまざまな治療計画の将来の時点で腫瘍がどのように見えるかを示す腫瘍マスクとマルチパラメトリック磁気共鳴画像 (MRI) の将来予測が可能な新しいエンドツーエンド ネットワークを紹介します。
私たちのアプローチは、最先端の拡散確率モデルとディープセグメンテーション ニューラル ネットワークに基づいています。
生成拡散プロセスおよび関節セグメンテーション プロセスをガイドするためのコンディショニング入力として、逐次マルチパラメトリック MRI および治療情報を組み込みました。
これにより、任意の治療および時点での腫瘍増殖の推定と現実的な MRI 生成が可能になります。
私たちは、時間の経過に伴う腫瘍セグメンテーション マップとして表される神経膠腫腫瘍の成長軌跡を含む実際の術後縦断 MRI データを使用してモデルをトレーニングしました。
このモデルは、腫瘍マスクを使用した高品質マルチパラメトリック MRI の生成、時系列腫瘍セグメンテーションの実行、不確実性推定の提供など、さまざまなタスクにわたって有望なパフォーマンスを示します。
治療を意識して生成された MRI と組み合わせることで、不確実性の推定値を含む腫瘍増殖予測により、臨床上の意思決定に有用な情報が得られます。

要約(オリジナル)

Diffuse gliomas are malignant brain tumors that grow widespread through the brain. The complex interactions between neoplastic cells and normal tissue, as well as the treatment-induced changes often encountered, make glioma tumor growth modeling challenging. In this paper, we present a novel end-to-end network capable of future predictions of tumor masks and multi-parametric magnetic resonance images (MRI) of how the tumor will look at any future time points for different treatment plans. Our approach is based on cutting-edge diffusion probabilistic models and deep-segmentation neural networks. We included sequential multi-parametric MRI and treatment information as conditioning inputs to guide the generative diffusion process as well as a joint segmentation process. This allows for tumor growth estimates and realistic MRI generation at any given treatment and time point. We trained the model using real-world postoperative longitudinal MRI data with glioma tumor growth trajectories represented as tumor segmentation maps over time. The model demonstrates promising performance across various tasks, including generating high-quality multi-parametric MRI with tumor masks, performing time-series tumor segmentations, and providing uncertainty estimates. Combined with the treatment-aware generated MRI, the tumor growth predictions with uncertainty estimates can provide useful information for clinical decision-making.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google