Core Concepts
提案手法UTAD-Netは、腫瘍領域を正確に認識し、腫瘍マスクなしでも高品質な脳画像変換を実現する。
Abstract
本論文では、無監督の腫瘍認識ディスティレーション教師-生徒ネットワークであるUTAD-Netを提案する。
教師ネットワークは、入力画像と対応する腫瘍マスクを使用して、全体画像と腫瘍領域を同時に変換する。
生徒ネットワークは教師ネットワークと同じ構造を持つが、腫瘍マスクを入力として使用しない。代わりに、全体画像を入力として使用し、教師ネットワークから知識を蒸留することで、腫瘍領域を正確に認識し、マスクなしでも高品質な画像を生成できる。
実験結果は、提案手法が定量的・定性的な評価において優れた性能を示し、生成画像を用いた下流の分割タスクでも高い精度を達成することを示している。
Stats
脳腫瘍MRI画像は、各モダリティ(シーケンス)が異なる対比を示し、相補的な病変情報を提供する。
実際の臨床では、時間、コスト、アーチファクトなどの要因により、完全に対応するマルチモーダル画像を得ることが困難である。
提案手法UTAD-Netは、対応するマルチモーダル画像なしでも高品質な画像変換を実現する。
Quotes
"多モーダル脳画像は、臨床診断において補完的な情報を提供するため、広く使用されている。"
"実際の臨床では、時間、コスト、アーチファクトなどの要因により、完全に対応するマルチモーダル画像を得ることが困難である。"