基于CBCT的快速未配对合成CT用于CBCT引导的自适应性放射治疗

科学领域:

• 医疗成像医学成像
• 辐射疗法 辐射疗法
• 人工智能的人工智能

背景情况:

• 圆束计算断层扫描 (CBCT) 在放射治疗期间提供实时成像,但往往图像质量不佳.
• 高质量的计算机断层扫描 (CT) 图像对于准确的治疗计划和适应性放射治疗至关重要.
• 目前用于从CBCT生成高质量的CT的方法在速度和资源效率方面是有限的.

研究的目的:

• 开发和评估一种新的方法,用于从未配对的低质量的CBCT图像中合成高质量的CT图像.
• 为医疗图像合成适应对比无对译 (CUT) 算法.
• 评估使用合成CT图像用于基于CBCT的适应性放射治疗的可行性.

主要方法:

• 适应对比无对译 (CUT) 算法用于医疗图像合成.
• 在机构的骨盆CT数据集上进行培训和评估.
• 使用诸如平均绝对误差 (MAE),结构相似度指数 (SSIM),根平均平方误差 (RMSE) 和Frèchet初始距离 (FID) 等指标与CycleGAN进行定量比较.

主要成果:

• 调整后的CUT方法在从CBCT中生成高质量的CT图像方面明显优于CycleGAN.
• 在所有评估的定量指标 (MAE,SSIM,RMSE,FID) 中,CUT方法表现出卓越的性能.
• 与CycleGAN相比,拟议的方法需要更少的时间和计算资源.

结论:

• 开发的基于CUT的方法提供了一种快速有效的方法,用于从低质量的CBCT数据中合成高质量的CT图像.
• 这一进步显著提高了在线适应性放射治疗的可行性和潜力.
• 该方法比目前的医疗图像合成在放射治疗应用中的最先进技术状态有了显著的改进.