Multi-task Deep Neural Network Model for T1CE Image Synthesis and Tumor Region Segmentation in Glioblastoma Patients

교모세포종 환자의 T1CE 영상 생성 및 암 영역분할을 위한 멀티 태스크 심층신경망 모델

Glioblastoma is the most common brain malignancies arising from glial cells. Early diagnosis and treatment plan establishment are important, and cancer is diagnosed mainly through T1CE imaging through injection of a contrast agent. However, the risk of injection of gadolinium-based contrast agents is increasing recently. Region segmentation that marks cancer regions in medical images plays a key role in CAD systems, and deep neural network models for synthesizing new images are also being studied. In this study, we propose a model that simultaneously learns the generation of T1CE images and segmentation of cancer regions. The performance of the proposed model is evaluated using similarity measurements including mean square error and peak signal-to-noise ratio, and shows average result values of 21 and 39 dB.

신경 교세포에서 발생하는 가장 흔한 뇌 악성종양인 교모세포종은 조기 진단 및 치료계획 수립이 중요하다. 주로 조영제를 통해 촬영된 T1CE 영상을 통해 암의 진단이 이뤄지는데, 최근 가돌리늄 기반 조영제 주입의 위험이 보고되고 있다. 의료영상에서 새로운 영상을 합성하는 GAN 모델과 영역분할에 대한 심층신경망 모델에 대한 연구가 활발히 진행되고 있다. 본 연구에서는 교모세포종 환자의 T1CE 영상의 생성과 암의 영역분할을 동시에 학습하는 하나의 모델을 제안한다. 제안된 모델의 성능은 평균 제곱오차, 최대신호대잡음비 등의 유사성 측정을 통해 평가되어 0.002, 55dB의 평균 결과 값을 보여준다.