Deep Generative Models for Enhanced Vitreous OCT Imaging
Created by
- Haebom
Category
Empty
저자
Simone Sarrocco, Philippe C. Cattin, Peter M. Maloca, Paul Friedrich, Philippe Valmaggia
개요
본 연구는 심층 학습 모델을 사용하여 유리체 광학 단층 촬영(OCT) 이미지 품질을 향상시키고 획득 시간을 줄이는 것을 목표로 한다. 조건부 노이즈 제거 확산 확률 모델(cDDPM), 브라운 다리 확산 모델(BBDM), U-Net, Pix2Pix, Vector-Quantised Generative Adversarial Network(VQ-GAN)을 사용하여 고품질 SD 유리체 OCT 이미지를 생성했다. 입력은 SD ART10 이미지였고, 출력은 눈 위치당 10개의 ART10 이미지를 평균하여 얻은 pseudoART100 이미지와 비교되었다. 모델 성능은 이미지 품질 지표와 시각적 튜링 테스트를 통해 평가되었다.
시사점, 한계점
•
cDDPM은 임상적으로 의미 있는 유리체 OCT 이미지를 생성하고 획득 시간을 4배 단축할 수 있는 잠재력을 보였다.
•
정량적 지표와 임상적 평가 간의 불일치가 나타나, 결합된 평가의 필요성을 강조했다.
•
cDDPM은 시각적 튜링 테스트에서 높은 순위를 기록했으며, 해부학적 보존이 우수했다.
•
새롭게 획득한 데이터에서 cDDPM은 ART1 또는 ART10 B-scan보다 ART100 레퍼런스와 유사한 PSNR을 가진 유리체 영역을 생성했으며, ART1을 조건으로 할 때 전체 이미지에서 더 높은 PSNR을 달성했다.
•
데이터 세트와 코드는 공개될 예정이다.
