EVOLUTION OF THE EFFECTIVENESS OF СONDITIONAL GAN FOR THE SYNTHESIS OF CT IMAGES OF THE BRAIN IN THE DIAGNOSIS OF STROKE

Аңдатпа

Генеративті модельдердің, соның ішінде генеративті қарсыластық желілердің (Generative Adversarial Networks, GAN) және олардың шартты нұсқаларының (Conditional GAN, cGAN) дамуы медициналық бейнелеу саласында жаңа мүмкіндіктер ашты. Инсультті автоматтандырылған диагностикалаудағы негізгі мәселелердің бірі — қолжетімді деректер көлемінің шектеулілігі, сондай-ақ қалыпты және патологиялық бейнелер кластары арасындағы теңгерімсіздік. Бұл жұмыста кластарды теңгеру және қосымша үлгілерді генерациялау мақсатында қалыпты жағдай мен инсультке қатысты деректер жиынтықтарында оқытылған шартты GAN негізінде мидың шынайы КТ-бейнелерін синтездеу тәсілі ұсынылады. Ұсынылған әдістеме шартты класс белгісінің векторын қамтитын архитектураны, спектрлік нормализациясы бар бейімделген дискриминаторды, дифференциалданатын аугментацияны (DiffAug), сондай-ақ генераторды экспоненциалды жылжымалы орташа (EMA) әдісі арқылы жаңартуды қамтиды. Сандық бағалау үшін Фреше қашықтығының (Fréchet Inception Distance, FID) метрикасы, спектрлік талдау және синтетикалық әрі нақты бейнелердің қарқындылық гистограммаларын салыстыру қолданылды. Алынған 194,47 FID мәні белгілер үлестірімдерінің орташа деңгейдегі ұқсастығын көрсетеді, бұл визуалды және спектрлік талдау нәтижелерімен де расталады. Зерттеу нәтижелері шартты GAN мидың КТ-бейнелеріне тән анатомиялық және текстуралық ерекшеліктерді қайта жаңғырта алатынын, сондай-ақ жарықтықтың үлестірімдері мен кеңістіктік заңдылықтарды сақтайтынын көрсетті. Ұсынылған тәсіл инсультті және мидың басқа да патологияларын ерте диагностикалау жүйелерін әзірлеу кезінде оқытуға арналған деректер жиынтықтарын кеңейту үшін, сондай-ақ клиникалық зерттеу үдерістерінің бастапқы кезеңіндегі элемент ретінде қолданылуы мүмкін.