論文の概要: Multipath cycleGAN for harmonization of paired and unpaired low-dose lung computed tomography reconstruction kernels
- arxiv url: http://arxiv.org/abs/2505.22568v1
- Date: Wed, 28 May 2025 16:44:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-29 17:35:50.740488
- Title: Multipath cycleGAN for harmonization of paired and unpaired low-dose lung computed tomography reconstruction kernels
- Title（参考訳）: マルチパス・サイクルGANによる低用量肺CT再建核の固定化
- Authors: Aravind R. Krishnan, Thomas Z. Li, Lucas W. Remedios, Michael E. Kim, Chenyu Gao, Gaurav Rudravaram, Elyssa M. McMaster, Adam M. Saunders, Shunxing Bao, Kaiwen Xu, Lianrui Zuo, Kim L. Sandler, Fabien Maldonado, Yuankai Huo, Bennett A. Landman,
- Abstract要約: CT(Computed tomography)の再構成カーネルは空間分解能とノイズ特性に影響を与え、気腫定量化などの定量的画像計測において体系的変動をもたらす。
我々は,低用量肺がん検診コホートからのペアデータとペアデータの混合に基づいて訓練されたCTカーネルハーモニゼーションのためのマルチパスサイクルGANモデルを提案する。
このモデルは、ドメイン固有のエンコーダとデコーダを共用し、各ドメイン用に調整された識別器を使用する。
- 参考スコア（独自算出の注目度）: 7.3286637842278255
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Reconstruction kernels in computed tomography (CT) affect spatial resolution and noise characteristics, introducing systematic variability in quantitative imaging measurements such as emphysema quantification. Choosing an appropriate kernel is therefore essential for consistent quantitative analysis. We propose a multipath cycleGAN model for CT kernel harmonization, trained on a mixture of paired and unpaired data from a low-dose lung cancer screening cohort. The model features domain-specific encoders and decoders with a shared latent space and uses discriminators tailored for each domain.We train the model on 42 kernel combinations using 100 scans each from seven representative kernels in the National Lung Screening Trial (NLST) dataset. To evaluate performance, 240 scans from each kernel are harmonized to a reference soft kernel, and emphysema is quantified before and after harmonization. A general linear model assesses the impact of age, sex, smoking status, and kernel on emphysema. We also evaluate harmonization from soft kernels to a reference hard kernel. To assess anatomical consistency, we compare segmentations of lung vessels, muscle, and subcutaneous adipose tissue generated by TotalSegmentator between harmonized and original images. Our model is benchmarked against traditional and switchable cycleGANs. For paired kernels, our approach reduces bias in emphysema scores, as seen in Bland-Altman plots (p<0.05). For unpaired kernels, harmonization eliminates confounding differences in emphysema (p>0.05). High Dice scores confirm preservation of muscle and fat anatomy, while lung vessel overlap remains reasonable. Overall, our shared latent space multipath cycleGAN enables robust harmonization across paired and unpaired CT kernels, improving emphysema quantification and preserving anatomical fidelity.
- Abstract（参考訳）: CT(Computed tomography)の再構成カーネルは空間分解能とノイズ特性に影響を与え、気腫定量化などの定量的画像計測において体系的変動をもたらす。
したがって、適切なカーネルを選択することは、一貫した定量的分析に不可欠である。
我々は,低用量肺がん検診コホートからのペアデータとペアデータの混合に基づいて訓練されたCTカーネルハーモニゼーションのためのマルチパスサイクルGANモデルを提案する。
このモデルは、ドメイン固有のエンコーダとデコーダを共用し、各ドメイン用に調整された識別器を使用し、National Lung Screening Trial (NLST)データセットの7つの代表カーネルからそれぞれ100スキャンを使用して42のカーネルの組み合わせでモデルをトレーニングする。
性能を評価するために、各カーネルからの240スキャンを基準ソフトカーネルに調和させ、ハーモナイズ前後に気腫を定量化する。
一般的な線形モデルでは、年齢、性別、喫煙状態、および核が気腫に与える影響を評価する。
また,ソフトカーネルから参照ハードカーネルへの調和性を評価する。
解剖学的整合性を評価するため,TotalSegmentatorが生成する肺血管,筋,皮下脂肪組織をハーモナイズド画像とオリジナル画像で比較した。
我々のモデルは、従来の交換可能なサイクルGANに対してベンチマークされる。
ペアカーネルの場合,Bland-Altmanプロット (p<0.05) に見られるように,本手法は気腫スコアのバイアスを低減する。
無ペア核の場合、ハーモニゼーションは気腫(p>0.05)の相違を除去する。
高Diceスコアは筋肉と脂肪解剖の保存を裏付けるが、肺血管の重複は妥当である。
総じて,我々の共有遅延空間マルチパスサイクルGANは,対と対のCTカーネル間での堅牢な調和を実現し,気腫定量化の改善と解剖学的忠実性の維持を可能にした。
関連論文リスト
- Investigating the impact of kernel harmonization and deformable registration on inspiratory and expiratory chest CT images for people with COPD [5.293488807720599]
本稿では、再構成カーネルを調和させ、変形可能な画像登録を行うための2段階パイプラインを提案する。
ハードカーネル (BONE) で再構成した呼吸スキャンとソフトカーネル (STANDARD) で再構成した呼吸スキャンを調和させるために, GAN (Cycle Generative Adversarial Network) を用いている。
その結果,高調波は気腫測定の不整合を著しく減少させることがわかった。
論文 参考訳（メタデータ） (2025-02-07T17:41:49Z) - Inter-vendor harmonization of Computed Tomography (CT) reconstruction
kernels using unpaired image translation [7.398825519944107]
CT生成における再構成カーネルは、画像のテクスチャを決定する。
調和化(カーネル変換)は、一貫性のない再構成カーネルによる測定の差を最小限にする。
我々は、SiemensとGEベンダーのNational Lung Screening Trialデータセットのハードとソフトの再構築カーネルを使用します。
論文 参考訳（メタデータ） (2023-09-22T15:53:56Z) - Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via
Volumetric Pseudo-Labeling [66.75096111651062]
我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。
解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。
得られたセグメンテーションモデルはCXRで顕著な性能を示した。
論文 参考訳（メタデータ） (2023-06-06T18:01:08Z) - Three-dimensional micro-structurally informed in silico myocardium --
towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。
シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
論文 参考訳（メタデータ） (2022-08-22T22:01:44Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳（メタデータ） (2022-05-08T15:29:54Z) - Improving Classification Model Performance on Chest X-Rays through Lung
Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。
提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文 参考訳（メタデータ） (2022-02-22T15:24:06Z) - CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19
Patients Using Deep Learning [133.87426554801252]
我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。
本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
論文 参考訳（メタデータ） (2021-05-25T12:06:55Z) - Quantification of pulmonary involvement in COVID-19 pneumonia by means
of a cascade oftwo U-nets: training and assessment on multipledatasets using
different annotation criteria [83.83783947027392]
本研究は、新型コロナウイルスの肺病変の同定、セグメント化、定量化のために人工知能(AI)を活用することを目的とする。
2つのU-netのカスケードをベースとした自動解析パイプラインLungQuantシステムを開発した。
LungQuantシステムにおけるCT-Severity Score(CT-SS)の精度も評価した。
論文 参考訳（メタデータ） (2021-05-06T10:21:28Z) - A patient-specific approach for quantitative and automatic analysis of
computed tomography images in lung disease: application to COVID-19 patients [0.0]
肺CT画像の定量的指標は、しばしば生理学との明確な関係なしに、広く使用されている。
本研究は,CT画像における肺の容積評価のための患者非依存モデルを提案する。
論文 参考訳（メタデータ） (2021-01-12T12:02:01Z) - CT Image Segmentation for Inflamed and Fibrotic Lungs Using a
Multi-Resolution Convolutional Neural Network [6.177921466996229]
本研究の目的は, 各種密度増強肺異常に対して頑健な完全自動セグメンテーションアルゴリズムを開発することである。
急性肺障害を患うヒトの左肺と右肺に特異的にラベル付けされた肺と非特異的にラベル付けされた肺の両方を1つのニューラルネットワークのトレーニングに組み込んだ多形性訓練手法が提案されている。
結果として生じるネットワークは、ヒトの左右の肺領域を、びまん性オパーシフィケーションと凝縮を伴わずに予測することを目的としている。
論文 参考訳（メタデータ） (2020-10-16T18:25:59Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。