Generative deep learning for foundational video translation in ultrasound
Created by
Haebom
Category
Empty
저자
Nikolina Tomic, Roshni Bhatnagar, Sarthak Jain, Connor Lau, Tien-Yu Liu, Laura Gambini, Rima Arnaout
💡 개요
본 연구는 임상 연구에서 데이터 불균형 문제가 심각한 초음파 영상, 특히 회색조(greyscale)와 컬러 도플러(CFD) 간의 영상 변환을 위한 생성적 딥러닝 방법론을 제안합니다. 제안된 방법은 픽셀 단위 손실, 적대적 손실, 지각 손실을 활용하고 해부학적 구조 복원 및 노이즈 제거를 위한 두 개의 신경망을 사용하여 현실적인 초음파 영상을 생성했습니다.
🔑 시사점 및 한계
•
초음파 하위 양식 간의 데이터 불균형 문제를 해결하고 영상 데이터셋을 보강할 수 있는 잠재력을 보여줍니다.
•
생성된 영상이 실제 영상과 indistinguishable하며, 딥러닝 기반 분류/분할 작업 및 임상 전문가 평가에서 실제 영상과 유사한 성능을 보였습니다.
•
심장 초음파 영상으로만 학습되었음에도 불구하고 다양한 임상 영역의 초음파 영상에서도 우수한 성능을 보여, 영상 변환의 기본 능력(foundational abilities)을 입증했습니다.
•
향후 과제로는 더 넓은 범위의 초음파 하위 양식 및 임상 적용에 대한 추가적인 검증이 필요할 수 있습니다.
