[論文レビュー] OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing

Fırat Özdemir, Berkan Lafci+3 more|arXiv (Cornell University)|Jun 17, 2022

Photoacoustic and Ultrasonic Imaging被引用数 4

ひとこと要約

本稿では、多様な取得幾何学およびパrameterをカバーする実験的・合成的optoacoustic (OA) データと再構成画像の標準化されたデータセット、OADATを紹介する。このデータセットは、データ駆動型OA画像処理のベンチマーク評価を可能にする。44件の標準化された実験、限界視野再構成、アンダーサンプリングアーティファクト低減、解剖学的セグメンテーションのための深層学習モデル、および再現可能性の高い研究を促進するオープンソースコードを提供する。

ABSTRACT

Optoacoustic (OA) imaging is based on excitation of biological tissues with nanosecond-duration laser pulses followed by subsequent detection of ultrasound waves generated via light-absorption-mediated thermoelastic expansion. OA imaging features a powerful combination between rich optical contrast and high resolution in deep tissues. This enabled the exploration of a number of attractive new applications both in clinical and laboratory settings. However, no standardized datasets generated with different types of experimental set-up and associated processing methods are available to facilitate advances in broader applications of OA in clinical settings. This complicates an objective comparison between new and established data processing methods, often leading to qualitative results and arbitrary interpretations of the data. In this paper, we provide both experimental and synthetic OA raw signals and reconstructed image domain datasets rendered with different experimental parameters and tomographic acquisition geometries. We further provide trained neural networks to tackle three important challenges related to OA image processing, namely accurate reconstruction under limited view tomographic conditions, removal of spatial undersampling artifacts and anatomical segmentation for improved image reconstruction. Specifically, we define 44 experiments corresponding to the aforementioned challenges as benchmarks to be used as a reference for the development of more advanced processing methods.

研究の動機と目的

• optoacoustic (OA) 画像処理のための標準化され、オープンアクセス可能なデータセットの不足が、新規手法と既存手法の客観的比較を妨げているという問題に対処すること。
• 臨床的OAイメージングにおける主な課題、すなわち限界視野再構成、空間的アンダーサンプリングアーティファクト、解剖学的セグメンテーションのためのデータ駆動型アプローチのベンチマーク評価を可能にすること。
• 一貫したメタデータと処理パイプラインを備えた実験的および合成的OAデータを提供することで、再現可能性の高い研究を支援すること。
• 新しい処理アルゴリズムの評価のための統一された基準フレームワークを提供することで、臨床的OA分野におけるイノベーションを加速すること。

提案手法

• 著者らは、健康な人間被験者を対象に、異なるトランスデューサアレイ、波長、取得幾何学を用いて44件の実験的optoacousticデータセットを収集した。
• 合成optoacousticデータは、不均一な組織ファントムにおける光伝播および音響波生成の現実的な物理モデルを用いて生成された。
• modUNetを含む深層学習モデルは、OADATデータセット上でエンドツーエンドに訓練され、3つの主要な課題を解決する：限界視野再構成、スパースサンプリングに起因するアーティファクト低減、およびより良い再構成のためのセグメンテーション。
• データセットには、複数の実験的条件下での生圧力信号（100×2030×256）と対応する再構成画像（100×256×256）が含まれる。
• すべてのモデルは、oadat-evaluateリポジトリにホストされた統一されたコードベースを用いて訓練および評価され、推論、ファインチューニング、モデル評価をサポートしている。
• データセットはETH ZurichのResearch Collectionにホスティングされ、DOIが付与されており、CC-BY-NCライセンスの下で長期的保存性とオープンアクセスを保証している。

実験結果

リサーチクエスチョン

• RQ1 標準化され、オープンアクセス可能なoptoacousticデータセットが、臨床的OAイメージングにおける画像処理手法の再現性と客観的ベンチマーク評価を向上させることができるか？
• RQ2 深層学習モデルは、限界視野およびアンダーサンプリングされたデータから高品質なoptoacoustic画像を再構成するのにどの程度効果的か？
• RQ3 解剖学的セグメンテーションは、不均一組織における音速および光学フラーネンス値の正しい割り当てを可能にすることで、再構成の正確性と定量性をどの程度向上させることができるか？
• RQ4 合成データは、OA処理アルゴリズムのトレーニングおよび検証を支援するための、実際の実験条件を効果的に模倣できるか？
• RQ5 物理モデリングとデータ駆動型学習の統合は、optoacoustic画像再構成のロバストネスをどの程度向上させるか？

主な発見

• OADATは、多様な取得パrameterをカバーする44件の標準化された実験を提供し、新規画像処理アルゴリズムの一貫性のある評価を可能にする。
• 訓練済みのmodUNetモデルは、限界視野およびスパースサンプリング条件下で画像品質に顕著な向上を達成し、アーティファクトを低減し、分解能を向上させた。
• 深層学習による解剖学的セグメンテーションにより、不均一組織における音速および光学フラーネンス値の正しい割り当てが可能になり、再構成の正確性が向上した。
• 合成データは信号特性において実験データと類似しており、トレーニングおよび一般化の有効性が検証された。
• オープンソースのコードベースおよび事前学習済みモデルにより、研究者が結果を再現し、モデルをファインチューニングし、OADATを最小限のセットアップで新しいワークフローに統合できるようになった。
• データセットはDOIを付与され、10年間の保存保証がなされており、研究コミュニティにおける長期的アクセス性が保証されている。