三维反事实脑 MRI 生成的评估.pdfVIP

三维反事实脑MRI生成的评估

PengweiSun,WeiPeng,LunYuLi,YixinWang,andKilianM.

Pohl

WuTsaiNeurosciencesInstitute,StanfordUniversity,Stanford,CA,USA

DepartmentofRadiology,StanfordUniversity,Stanford,CA,USA

Dept.ofPsychiatryBehavioralSciences,StanfordUniversity,Stanford,CA,USA

DepartmentofComputerScience,StanfordUniversity,Stanford,CA,USA

DepartmentofBioengineering,StanfordUniversity,Stanford,CA,USA

DepartmentofElectricalEngineering,StanfordUniversity,Stanford,CA,USA

本kpohl@

译

中摘要反事实生成提供了一个原理框架，用于模拟医学成像中的假设变化，

1具有理解疾病机制和生成生理上合理的数据的潜在应用。然而，由于数据

v稀缺、结构复杂以及缺乏标准化评估协议，生成尊重解剖学和因果约束的

0

8真实三维脑部MRI仍然充满挑战。在这项工作中，我们通过结合基于因

8果图的解剖引导框架将六种生成模型转换为3D反事实方法，在该框架中，

2

0区域脑体积用作直接条件输入。每个模型在阿尔茨海默病神经影像计划

.（ADNI）提供的T1加权脑部MRI（T1wMRI）上根据组成、可逆性、真

8

0实性、有效性和最小化进行评估。此外，我们测试了每个模型对青少年酒

5精和神经发育国家联盟（NCANDA）的T1wMRI的泛化能力。我们的结

2

:果显示，基于解剖学的条件成功修改了目标解剖区域；然而，在保留非目

v

i标结构方面存在局限性。除了为脑部MRI生成更具解释性和临床相关性

x的建模奠定基础外，这一基准还强调需要开发更准确捕捉解剖相互依赖关

r

a系的新架构。

Keywords:医学反事实生成·3D脑部MRI。

1介绍

深度生成模型在医学成像领域展现了巨大的潜力，通过数据驱动的方式

理解和合成结构脑MRI捕获的复杂解剖结构[9]。反事实生成提供了一种合

理的方法来探索假设情景，例如通过建模元数据、解剖结构和图像外观之间

的因果关系来模拟由于年龄或疾病引起的解剖变化[14]。它执行干预操作，

即直接操纵特