Concepts de base
分割情報を条件として組み込むことで、より現実的な膝関節X線画像を生成できる。条件付き学習方式は、条件付きサンプリング方式よりも優れた性能を示す。
Résumé
本研究では、膝関節X線画像の生成に条件付き拡散モデルを活用する。
- 膝関節の輪郭と骨の分割情報を条件として組み込むことで、より現実的な膝関節X線画像を生成できる。
- 2つの異なる条件付き手法を提案している:
- 条件付きサンプリング方式(CSM):分割情報を初期ノイズ低減に活用
- 条件付き学習方式(CTM):分割情報を学習過程に組み込む
- 実験の結果、CTMがU-Netよりも優れた性能を示し、CSMよりも安定した結果が得られた。
- 生成された高品質な合成医療画像は、データ駆動型の研究や教育応用に役立つ可能性がある。
- 今後の課題として、3D確率分布のモデル化や臨床データの活用が挙げられる。
Stats
膝関節X線画像の合成には、55件のCT体積データを用いた。
各CT体積から60枚のデジタル再構成X線画像(DRR)を生成し、合計3,300枚のデータセットを作成した。