Quantitative evaluation of CT images from multi-site or longitudinal studies is often difficult due to the image variation depending on CT scan parameters and manufacturers. To address this problem, here we propose a novel multi-domain image translation network to convert CT images from different scan parameters and manufacturers to a normalized image. Unlike the existing multi-domain translation techniques, our method is based on the shared encoder and routable decoder architecture to maximize the expressivity and conditioning power of the network. Our network not only translates CT images between domains, but also generate a novel common space image by simply changing the routing vector. Experimental results show that the proposed CT image conversion can minimize the variation of image characteristics caused by imaging parameters, reconstruction algorithms, and hardware designs and the evaluation from the radiologists shows that the normalized images have the style of the target setting.
CT 영상은 여러 종류의 CT 기기 및 기기 설정에 따라 각기 다른 특징을 보여준다. CT 영상의 이러한 특징으로인해 다양한 연구에서 CT 영상의 정량적 평가가 어려워지게 된다. 이 문제를 해결하기 위해 본 논문에서는 서로 다른 특징을 가지고있는 CT 영상들을 정규화 된 영상으로 변환하는 새로운 다중 도메인 이미지 변환 네트워크를 제안한다. 기존의 다중 도메인 이미지 변환 기술과 달리, 본 방법은 라우팅 가능한 디코더 아키텍처를 기반으로 네트워크의 표현력과 컨디셔닝 능력을 극대화한다. 또한 본 방법은 여러 도메인 사이의 영상 변환만이 아닌 데이터셋에 존재하지 않는 중간 도메인으로의 변환도 가능하다. 실험 결과에서 CT 영상 변환 전후에 CT 영상들의 서로다른 특징이 최소화되는 것을 확인할 수 있으며 영상의학과 의사분들의 평가를 통해 변환된 영상들이 목표의 스타일을 가지고 있다는 것을 확인 할 수 있다.
