一种深度学习辅助生物发光断层扫描方法,以实现在老鼠质母细胞瘤中的辐射向

科学领域:

• 医疗成像医学成像
• 计算生物学 计算生物学
• 在瘤学瘤学.

背景情况:

• 生物发光成像 (BLI) 是一种非侵入性的2D技术,用于在临床前模型中监测瘤生长.
• 目前的BLI方法缺乏精确的辐射治疗规划所需的准确性.
• 精确的3D生物发光断层扫描 (BLT) 对于质母细胞瘤 (GBM) 向和治疗计划至关重要.

研究的目的:

• 开发一种计算效率高的深度学习方法,以实现基于3D BLT的准确GBM定位.
• 为了实现实时治疗计划,减少对高剂量X射线成像的依赖.
• 为了验证奥托托普大鼠GBM模型的深度学习框架.

主要方法:

• 为BLT重建开发了一个新的深度学习框架.
• 该模型使用现实的蒙特卡洛模拟进行了训练和验证.
• 该框架在实物大鼠GBM模型的BLI测量上进行了测试.

主要成果:

• 在模拟数据上实现的亚毫米准确度 (DSC中位数为61%).
• 基于BLT的规划实现了>97%的瘤封装,大脑覆盖率<4.2%.
• 真实测量显示95%的瘤覆盖率和42%的中位数DSC.
• 剂量规划准确度与基于CT的规划相提并论 (>95%一致).

结论:

• 深度学习为BLT重建提供了灵活,准确和快速的解决方案.
• 拟议的方法使得基于BLT的瘤向对老鼠的GBM模型有效.
• 这种方法增强了BLI在临床前放射生物学研究中的价值.