Diffusion-Driven Generation of Minimally Preprocessed Brain MRI
Created by
- Haebom
Category
Empty
저자
Samuel W. Remedios, Aaron Carass, Jerry L. Prince, Blake E. Dewey
개요
본 연구는 3D T1-가중 MRI 인간 뇌 영상을 생성하는 세 가지 DDPM(denoising diffusion probabilistic models)을 제시하고 비교한다. 38개의 공개된 뇌 MRI 데이터 세트에서 80,675개의 이미지 볼륨을 사용하여 세 가지 DDPM을 훈련시켰다. 이미지들은 약 1mm 등방성 해상도를 가지며, 품질, 시야 문제, 과도한 병리 현상이 있는 이미지는 제외하기 위해 세 명의 전문가가 수동으로 검사했다. 이미지들은 데이터의 시각적 변동성을 보존하기 위해 최소한의 전처리를 거쳤다. 자연스러운 방향 변동 및 불균일성을 가진 이미지를 생성하기 위해, 이미지들은 공통 좌표계에 등록되거나 바이어스 필드 보정이 수행되지 않았다. 평가는 분할, FID(Frechet Inception Distance), 정성적 검사를 포함했다.
시사점, 한계점
•
시사점:
◦
세 가지 DDPM 모두 일관된 MR 뇌 볼륨을 생성했다.
◦
속도 및 흐름 예측 모델이 샘플 예측 모델보다 낮은 FID를 달성했다.
◦
두 모델은 시상 및 피각에서 실제 데이터와 통계적으로 유의미한 차이를 보이지 않는 부피 분포를 보였다.
◦
두개골 제거 또는 등록 없이 뇌 데이터를 위한 최초의 3D 비잠재 확산 모델을 제시하고 공개했다.
◦
모든 모델 가중치와 해당 추론 코드는 공개적으로 사용할 수 있다.
•
한계점:
◦
세 모델 모두 여러 코호트에서 실제 이미지보다 높은 FID를 보였다.
◦
생성된 뇌 지역 부피 분포가 실제 데이터와 통계적으로 달랐다.
