基于深度学习的快速体积图像生成用于图像引导的质子FLASH放射治疗

科学领域:

• 医学物理 医学物理
• 放射治疗技术 放射治疗技术
• 人工智能在医学中的应用

背景情况:

• 闪光辐射疗法利用超高剂量率辐射改善治疗结果,可能节省健康组织.
• 精确的目标定位对于有效的质子FLASH束传递至关重要,需要快速精确的成像.

研究的目的:

• 开发基于深度学习 (DL) 的图像引导框架,用于快速体积图像重建.
• 通过从直角的X射线投影重建患者解剖学,为质子FLASH疗法实现准确的目标定位.

主要方法:

• 设计了一个框架,用于kVX射线投影采集,基于DL的体积图像生成,图像质量分析和水等效厚度 (WET) 评估的模块.
• 用kV投射对从不同的源角度 (135°和225°) 来研究体积重建.
• 在30名肺癌患者的3D计算机断层扫描 (CT) 数据集上采用了放弃阶段性交叉验证方法.

主要成果:

• DL框架成功地从直角的X射线投影中重建了体积患者解剖学,包括瘤和有风险的器官.
• 通过在135°和225°源角度的kV投影实现了最佳的图像质量.
• 实现的患者平均指标包括平均绝对误差75±22 HU,峰值信号噪声比为19±3.7 dB,结构相似性指数量为0.938±0.044,WET误差为-1.3%±4.1%.

结论:

• 开发的框架使用两个直角X射线投影准确地重建体积图像,适合指导质子FLASH治疗.
• 集成的WET模块有助于识别质子束特定的解剖变异.
• 这种快速体积成像能力支持高效准确的质子FLASH处理.