Modèle génératif multitâche pour la reconstruction d'images de particules magnétiques de haute qualité

L'imagerie par particules magnétiques (MPI) est une technologie émergente utilisée pour visualiser le mouvement de nanoparticules magnétiques dans les tissus biologiques. En raison de la complexité du comportement physique des nanoparticules, il est difficile de reconstruire des images MPI de haute qualité à partir des signaux MPI. Les méthodes de reconstruction traditionnelles, telles que la matrice système et l'espace x, sont soit extrêmement chronophages, soit aboutissent à des images très floues. Récemment, des modèles génératifs ont été employés pour la reconstruction d'images MPI et ont connu du succès. Cependant, ces modèles ont encore des limites pour obtenir des images MPI de haute qualité. Ici, nous proposons une nouvelle méthode générative multitâche pour réaliser une reconstruction d'images MPI de haute qualité. Dans cette méthode, le modèle génératif entreprend simultanément deux tâches de traitement d'images MPI : la reconstruction et la segmentation. La tâche principale de reconstruction d'images génère des images MPI, tandis que la tâche auxiliaire de segmentation d'images guide la tâche principale pour se concentrer sur les zones clés des objets dans les images MPI tout au long du processus de génération. Nos résultats expérimentaux ont montré que le modèle multitâche proposé, avec sa capacité de généralisation supérieure, surpasse à la fois les méthodes de reconstruction MPI traditionnelles et les méthodes génératives à tâche unique. Nos résultats ont également suggéré que les tâches de génération d'images et de segmentation d'images s'améliorent mutuellement pendant la reconstruction d'images MPI. Dans notre étude actuelle, nous proposons une méthode multitâche basée sur l'apprentissage profond pour réaliser la reconstruction d'images MPI (Imagerie par Particules Magnétiques) de haute qualité. À notre connaissance, c'est la première tentative de partage de caractéristiques pour la reconstruction et la segmentation d'images MPI dans l'analyse d'images médicales.