DC2Anet: Generierung von MR-Bildern der Lendenwirbelsäule aus CT-Scan-Daten basierend auf semi-supervised Learning

Die Magnetresonanztomographie (MRT) spielt eine bedeutende Rolle bei der Diagnose von lumbalen Bandscheiben Erkrankungen. Die Nutzung von MRT ist jedoch aufgrund der hohen Kosten und der signifikanten Betriebs- und Verarbeitungszeit eingeschränkt. Zudem ist MRT bei einigen Patienten mit Klaustrophobie oder Herzschrittmachern kontraindiziert, aufgrund der Möglichkeit von Verletzungen. Im Gegensatz dazu sind Computertomographie (CT)-Scans wesentlich kostengünstiger, schneller und haben nicht die gleichen Einschränkungen. In diesem Artikel schlagen wir eine Methode vor, um MR-Bilder der Lendenwirbelsäule basierend auf CT-Bildern zu schätzen, unter Verwendung einer neuartigen Zielfunktion und eines dualen, zyklenkonsistenten adversarialen Netzwerks (DC 2 Anet) mit semi-supervised Learning. Die Zielfunktion umfasst sechs unabhängige Verlustterme, um quantitative und qualitative Verluste auszugleichen, was die Generierung eines realistischen und genauen synthetischen MR-Bildes ermöglicht. DC 2 Anet ist auch fähig zu semi-supervised Learning, und das Netzwerk ist allgemein genug für überwachte oder unüberwachte Setups. Experimentelle Ergebnisse beweisen, dass die Methode genau ist und in der Lage ist, MR-Bilder zu konstruieren, die den Referenz-MR-Bildern genau nahekommen, während sie gleichzeitig vier andere hochmoderne Methoden übertrifft.