原題
Channel-wise attention enhanced and structural similarity constrained cycleGAN for effective synthetic CT generation from head and neck MRI images.
MRイメージングから高品質のCT画像を形成するための新しい教師なしネットワーク,cycleSimulationGANを開発し,評価した。
方法:本研究では、輪郭一貫性損失機能とチャネルごとの注意メカニズムを統合したcycleSimulationGANモデルを利用した。ハウンズフィールド単位の平均絶対誤差(MAE)、ピーク信号対雑音比(PSNR)、二乗平均平方根誤差(RMSE)、及び合成CT(sCT)とグラウンドトゥルース(GT)CT画像間の構造的類似性指数(SSIM)を評価した。
結果:160人の鼻咽頭癌患者が研究され、新しいモデルによって生成されたsCT画像は、従来の方法によるものよりもGT画像とより一致していた。4つの画質評価指標は大幅に改善された。
結論:新しく開発されたcycleSimulationGANモデルは、既存の方法と比較して優れた画質のsCT画像を効果的に作成し、MRI検査に基づく治療計画に有益である可能性がある。
Journal: Radiat Oncol (CiteScore 2022: 6.6)
DOI: 10.1186/s13014-024-02429-2
PMID: 38486193
コメント