Generation of diffusion tensor imaging data of the human heart using deep convolutional adversarial networks
Génération de données d'imagerie du tenseur de diffusion du cœur humain à l'aide de réseaux convolutifs adversariaux profonds
Résumé
Diffusion tensor imaging (DTI) has recently emerged as unique medical imaging modality to noninvasively investigate the fiber architecture of the human heart, providing a novel tool for the diagnosis of cardiac diseases. However, clinical applications of cardiac DTI are often penalized by the limited quantity and/or quality of acquired diffusion weighted (DW) images due to limited acquisition times in practice. Recent advances in deep learning, in particular in generative adversarial network (GAN) hints at a new way to cope with this problem. The goal of this thesis is to assist in improving the acquisition efficiency and clinical applicability of cardiac DTI by investigating GAN-based image generation methods. To this end, super angular resolution (SAR) method for cardiac DTI data was first proposed for improving the estimation accuracy of diffusion tensors. Then, the developed SAR method was applied to compensate for motion-induced signal loss in in vivo cardiac DTI. Our work has the following four main contributions: 1)We systematically studied the joint influence of angular resolution and noise on cardiac DTI, demonstrating the validity of SAR for improving the accuracy of diffusion tensor estimation. 2)We proposed a GAN-based SAR framework, which can be run on both simulated and real cardiac DTI data to improve the estimation accuracy of diffusion tensor. 3)We investigated the motion-induced signal loss in vivo cardiac DTI and provided a novel data fitting method capable of generating realistic motion-induced DW images directly from existing cardiac DTI datasets. 4)A novel GAN-based SAR has been proposed that can produce high angular-resolution DW images from low angular-resolution motion-induced DW images to compensate for motion-induced signal loss in in vivo cardiac DTI.
L'imagerie du tenseur de diffusion (ITD) est récemment apparue comme une modalité d'imagerie médicale unique permettant d'étudier de manière non invasive l'architecture des fibres du cœur humain, offrant ainsi un nouvel outil pour le diagnostic des maladies cardiaques. Cependant, les applications cliniques de l'ITD cardiaque sont souvent pénalisées par la quantité et/ou la qualité limitées des images pondérées en diffusion (diffusion weighted―DW) acquises en raison des temps d'acquisition limités en pratique. Les récentes avancées dans l'apprentissage profond, en particulier dans les réseaux adversariaux génératifs (Generative neural network―GAN), laissent entrevoir une nouvelle façon de faire face à ce problème. L'objectif de cette thèse est d'aider à améliorer l'efficacité de l'acquisition et l'applicabilité clinique de l'ITD cardiaque en étudiant les méthodes de génération d'images basées sur le GAN. À cette fin, une méthode de super résolution angulaire (SRA) pour les données ITD cardiaques a d'abord été proposée pour améliorer la précision de l'estimation des tenseurs de diffusion. Ensuite, la méthode SAR développée a été appliquée pour compenser la perte de signal induite par le mouvement dans l'ITD cardiaque in vivo. Notre travail comporte les quatre contributions principales suivantes : 1)Nous avons étudié systématiquement l'influence conjointe de la résolution angulaire et du bruit sur l'ITD cardiaque, démontrant ainsi la validité de la méthode SAR pour améliorer la précision de l'estimation des tenseurs de diffusion. 2)Nous avons proposé un cadre SRA basé sur le GAN, qui peut être appliqué sur des données ITD cardiaques aussi bien simulées que réelles pour améliorer la précision de l'estimation du tenseur de diffusion. 3)Nous avons étudié la perte de signal induite par le mouvement dans l'ITD cardiaque in vivo et fourni une nouvelle méthode d'ajustement des données capable de générer des images DW réalistes induites par le mouvement directement à partir des ensembles de données ITD cardiaques existants. 4)Nous avons proposé un nouveau SRA basé sur le GAN qui peut produire des images DW à haute résolution angulaire à partir d'images DW à faible résolution angulaire et corrompues par le mouvement afin de compenser la perte de signal induite par le mouvement dans l'ITD cardiaque in vivo.
Origine : Version validée par le jury (STAR)