Síntese de Imagem de Ultrassom Mamário usando Redes Adversariais Generativas Convolucionais Profundas

As redes adversariais generativas convolucionais profundas (DCGANs) são ferramentas recém-desenvolvidas para geração de imagens sintetizadas. Para determinar a utilidade clínica das imagens sintetizadas, geramos imagens de ultrassom mamário e avaliamos sua qualidade e valor clínico. Após coletar retrospectivamente 528 imagens de 144 massas benignas e 529 imagens de 216 massas malignas nas mamas, imagens sintetizadas foram geradas usando um DCGAN com 50, 100, 200, 500 e 1000 épocas. As imagens sintetizadas (n = 20) e originais (n = 40) foram avaliadas por dois radiologistas, que as pontuaram quanto à qualidade geral, definição de estruturas anatômicas e visualização das massas em uma escala de cinco pontos. Eles também avaliaram a possibilidade de as imagens serem originais. Embora não tenha havido diferença significativa entre as imagens sintetizadas com 1000 e 500 épocas, estas últimas foram avaliadas como de qualidade superior em comparação a todas as outras imagens. Além disso, 2,5%, 0%, 12,5%, 37,5% e 22,5% das imagens sintetizadas com 50, 100, 200, 500 e 1000 épocas, respectivamente, e 14% das imagens originais eram indistinguíveis umas das outras. O acordo entre observadores foi muito bom (|r| = 0,708–0,825, p < 0,001). Portanto, DCGAN pode gerar imagens de ultrassom mamário sintetizadas de alta qualidade e realistas que são indistinguíveis das imagens originais.