日本語タイトル#
仮想 DES 画像は実際の画像の有効な代替品ですか？
英文标题#
Are Virtual DES Images a Valid Alternative to the Real Ones?
日本語摘要#
コントラスト強調スペクトルマンモグラフィー（CESM）は、低エネルギー（LE）画像と二重エネルギー差分（DES）画像の 2 種類の画像を提供するイメージングモダリティです。多くの分野、特に医学において、画像から画像への翻訳技術の出現により、他の画像を入力として使用して画像を人工的に生成することが可能になりました。CESM 内で、LE 画像から DES 画像を生成するためにこれらの技術を適用することは非常に有益であり、高エネルギー画像取得に関連する患者の放射線被ばくを減少させる可能性があります。本研究では、DES 画像（仮想 DES）の人工生成のための 3 つのモデルを調査しました：事前学習済みの U-Net モデル、エンドツーエンドで訓練された U-Net モデル、および CycleGAN モデルです。また、CESM 検査を悪性および非悪性カテゴリに分類する際の仮想 DES 画像の使用の影響を評価するために一連の実験を行いました。私たちの知る限り、これは仮想 DES 画像が CESM 病変分類に与える影響を評価する初めての研究です。結果は、仮想 DES 画像を使用した場合、事前学習済みの U-Net モデルが最良のパフォーマンスを達成し、F1 スコアは 85.59% であり、実際の DES 画像を使用した場合は 90.35% でした。この差は、実際の DES 画像に含まれる追加の診断情報によるものであり、より高い分類精度に寄与しています。それにもかかわらず、仮想 DES 画像生成の可能性は大きく、将来の進展によりこのパフォーマンスギャップが狭まり、仮想 DES 画像のみに依存することが臨床的に実行可能なレベルに達する可能性があります。
英文摘要#
Contrast-enhanced spectral mammography (CESM) is an imaging modality that provides two types of images, commonly known as low-energy (LE) and dual-energy subtracted (DES) images. In many domains, particularly in medicine, the emergence of image-to-image translation techniques has enabled the artificial generation of images using other images as input. Within CESM, applying such techniques to generate DES images from LE images could be highly beneficial, potentially reducing patient exposure to radiation associated with high-energy image acquisition. In this study, we investigated three models for the artificial generation of DES images (virtual DES): a pre-trained U-Net model, a U-Net trained end-to-end model, and a CycleGAN model. We also performed a series of experiments to assess the impact of using virtual DES images on the classification of CESM examinations into malignant and non-malignant categories. To our knowledge, this is the first study to evaluate the impact of virtual DES images on CESM lesion classification. The results demonstrate that the best performance was achieved with the pre-trained U-Net model, yielding an F1 score of 85.59% when using the virtual DES images, compared to 90.35% with the real DES images. This discrepancy likely results from the additional diagnostic information in real DES images, which contributes to a higher classification accuracy. Nevertheless, the potential for virtual DES image generation is considerable and future advancements may narrow this performance gap to a level where exclusive reliance on virtual DES images becomes clinically viable.
文章ページ#
PDF 获取#
抖音でさらに素晴らしいコンテンツを確認する