MRIからCTへの合成のためのGANアーキテクチャの系統的ベンチマーク

要約: 磁気共鳲像法（MRI）から計算機断層撮影法（CT）への変換は、MRIのみの臨床ワークフローを促進しつつ、電離放射線への被曝を制限する効果的な解決策として提案されています。MRIからCTへの翻訳には多くのGenerative Adversarial Network（GAN）アーキテクチャが提案されてきましたが、異種モデル間の体系的かつ公正な比較は依然として限定的です。SynthRAD2025データセットを用いて、腹部、胸部、頭頸部の3つの解剖学的領域にわたり評価された10種類のGANアーキテクチャの包括的ベンチマークを提示します。すべてのモデルは、同一の前処理および最適化設定を用いた統一検証プロトコルの下で訓練されました。性能は、ボクセル単位の精度、構造的忠実性、知覚品質、分布レベルのリアリズムを捉える補完的な指標と、計算複雑性の分析とともに評価されました。教師ありのペアモデルは一貫して非ペア（Unpaired）アプローチを上回り、ボクセル単位の監視の重要性を裏付けました。Pix2Pixは、領域間で最もバランスの取れた性能を発揮しつつ、品質と複雑性のトレードオフを有利に保ちました。複数領域をまたぐ訓練は構造的ロバスト性を向上させ、一方で領域内訓練はボクセル単位の忠実性を最大化しました。このベンチマークは、MRIのみの放射線治療ワークフローにおけるモデル選択の定量的かつ計算的な指針を提供し、将来の比較研究の再現性のある枠組みを確立します。私たちの実験の再現性を確保するため、コードと全体の結果を以下のリンクに公開します: https://github.com/arco-group/MRI_TO_CT.git