Szív MRI felvételek előállítása generatív mélytanuló eljárásokkal
A szív működését, a szívizom eltéréseit különböző módon lehet vizsgálni. Ezek közül napjaink egyik legfejlettebb nem invazív módszere a CMR (kardiovaszkuláris mágneses rezonancia) képalkotás. A CMR vizsgálat egyik fő előnye, hogy szöveti információt is nyújt, melynek megítéléséhez újabban a szívizom esetén kvantitatív információ is nyerhető, az ún. T1 és T2 térképezésen alapuló módszer segítségével. A normál szívizomszövet meghatározott T1 és T2 relaxációs idővel rendelkezik, mely kóros állapotokban pl. szívizomelhalás, heg megváltozik. A mélytanuló eljárások számos egészségügyi témakörben jelentős sikereket értek el, azonban minden új vizsgálati módszer egyedi megoldás kidolgozását teszi szükségessé. Továbbá az eredmények kutatáson túlmutató, termékszintű felhasználása még csak kevés esetben történt meg.
Egy feladat, lehet a témakörben, hogy ezeken a szív felvételeken egy modell képes legyen automatikusan szegmentálni a bal kamrát és annak a falát. A mélytanuló eljárások minőségét bizonyos esetekben jelentősen befolyásolhatják a tanító adatok mennyisége, változatossága és minősége. Az ilyen orvosi feladatok automatizálásra szolgáló megoldások kialakításának egy nehézsége a megfelelő adathalmazhoz való hozzájutás. Egy gyakori probléma, hogy kevés adatot tartalmaz egy adathalmaz, hiszen egyfelől nem készülnek nagy mennyiségben MRI felvételek, másfelől nehéz hozzájuk férni, hiszen a kórházak, nem szolgáltathatják ki könnyedén a betegekhez tartozó adatokat, illetve még ha ez lehetséges is, akkor is az adatokat megfelelően anonimizálni kell.
Ezen okok miatt, merült fel az ötlet, hogy kedvező lenne, ha rendelkeznénk egy olyan eljárással, ami képes általunk létrehozott szegmentációs képekből „hamis” MRI felvételeket előállítani. Így adatdúsítást tudnánk végezni az új generált képekkel, majd az új adathalmazon történő tanításokkal megpróbálni javítani más modellek teljesítőképességét.
Napjainkban elterjedt megoldás képgenerálási feladatokra a generatív versengő hálózatok (GAN), illetve a diffúziós modellek használata. A dolgozatban ezen két módszer alkalmazása kerül bemutatásra és értékelésre szív MRI felvételek generálására a bal kamra és annak falának szegmentációja alapján. Mind a generatív versengő hálózatok, mind a diffúziós modellek magas minőségben képesek előállítani felvételeket. A diffúziós modellek jobb diverzitás lefedő képességgel rendelkeznek, míg a GAN-ok gyorsabban hajtják végre a generálási folyamatot.
A téma Városmajori Szív- és Érgyógyászati Klinika, illetve a Siemens együttműködésével történik.
szerző
-
Meglécz Máté
Mérnök informatikus szak, mesterképzés
mesterképzés (MA/MSc)
konzulensek
-
Kalapos András
Doktorandusz, Távközlési és Médiainformatikai Tanszék -
Dr. Gyires-Tóth Bálint
adjunktus, Távközlési és Médiainformatikai Tanszék
