AI用平扫图像合成增强乳腺MRI，649名患者6251对图像验证，Ki-67分类性能不输真实图像！
Anatomy-Aware Synthesis of Post-Contrast Breast MRI from Pre-Contrast Images
📖 AI 总结
该研究提出一种解剖结构感知的深度学习框架，用于从乳腺MRI平扫图像合成增强后图像，重点关注肿瘤区域和背景实质强化（BPE）区域。研究回顾性纳入649名患者的6251对平扫与增强配对图像，在图像到图像翻译模型中引入乳腺掩膜一致性、病灶区域监督和BPE区域监督三项约束。在整体图像和区域评估中，该方法优于Pix2Pix、Pix2PixHD、基于扩散的合成方法及掩膜监督基线。下游Ki-67分类实验显示，使用真实图像与合成图像进行训练和测试时性能无统计学显著差异，但作者指出这并不等同于两者等价。结果表明，解剖结构感知监督可提升合成图像的保真度，为无对比剂成像流程中应用合成增强MRI提供了初步依据，值得进一步研究。
🔑 关键词速览
| Post-Contrast Breast MRI | 注射对比剂后采集的乳腺磁共振图像，用于显示肿瘤和背景实质强化。 |
| Background Parenchymal Enhancement (BPE) | 乳腺背景实质在增强MRI中表现出的强化程度，是乳腺癌风险评估的重要指标。 |
| Image-to-Image Translation | 一种将输入图像转换为另一种风格或模态输出图像的深度学习方法。 |
| Ki-67 | 一种细胞增殖标志物，常用于乳腺癌的分子分型和预后评估。 |
| Anatomy-Aware Supervision | 利用解剖结构信息（如乳腺掩膜、病灶区域）指导模型训练的监督策略。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅