相关实验视频
Updated: Jul 23, 2025
05:05
Four-Dimensional CT Analysis Using Sequential 3D-3D Registration
Published on: November 23, 2019
8.0K
CT-CBCT可变形注册使用弱监督的文物抑制转移学习网络
Dingshu Tian1,2, Guangyao Sun3,4, Huaqing Zheng4,5
1University of Science and Technology of China, Hefei 230026, People's Republic of China.
Physics in medicine and biology
|July 11, 2023
概括
这项研究引入了一种新的两阶段神经网络,以改进计算机断层扫描-形束计算机断层扫描 (CT-CBCT) 通过抑制CBCT图像中的散射器件来进行适应性放射治疗的可变注册.
科学领域:
- 医疗成像医学成像
- 放射治疗 物理 物理
- 人工智能在医学中的应用
背景情况:
- CT和CBCT的可变形注册对于适应性放射治疗至关重要,使瘤跟踪和器官保护成为可能.
- 目前的神经网络注册方法对CBCT中的散射工件敏感,导致精度降低.
- 在CBCT中的工件不一致地影响像素灰色值,导致显著的注册错误.
研究的目的:
- 为CT-CBCT可变形注册开发一种新的方法,有效地抑制CBCT文物.
- 为了提高适应性放射治疗应用的注册准确性和可靠性.
- 利用转移学习和两阶段网络来增强文物处理.
主要方法:
- 一个直方图分析发现,文物在不感兴趣的区域更突出.
- 提出了一个监督较弱的,两阶段的转移学习网络.
- 第一个阶段采用了一个预培训网络,用于在不感兴趣的区域中抑制文物.
- 第二阶段使用了卷积神经网络来记录人工物抑制的CBCT和CT.
主要成果:
- 对胸部CT-CBCT数据的比较测试表明,在人工物抑制后,登记准确度显著提高.
- 拟议的方法优于不包含文物抑制的现有算法.
- 登记的合理性和准确性得到了验证.
结论:
- 拟议的多阶段神经网络有效地抑制了CBCT图像中的工件.
- 预训练技术和注意力机制的整合进一步提高了注册表现.
- 这种方法为适应性放射治疗中精确的CT-CBCT可变形注册提供了一个有前途的解决方案.
