用深度学习提取肺轮变形特征用于内部目标运动跟踪:一项初步研究
Jie Zhang1, Yajuan Wang1, Xue Bai1
1Zhejiang Cancer Hospital, Hangzhou Institute of Medicine (HIM), Chinese Academy of Sciences, Hangzhou, Zhejiang 310022, People's Republic of China.
Physics in medicine and biology
|August 16, 2023
概括
肺轮变形特征 (LCDFs) 估计胸部内部目标运动,没有患者特定的数据. 这种非侵入性方法显示出在运动跟踪中广泛应用的潜力.
科学领域:
- 医学物理 医学物理
- 辐射疗法 辐射疗法
- 图像指导疗法是指导图像的疗法.
背景情况:
- 精确跟踪内部目标运动对于有效的放射治疗至关重要.
- 目前的方法通常需要患者特定的数据和广泛的培训.
- 对于运动估计的非侵入性替代品是非常可取的.
研究的目的:
- 引入肺轮变形特征 (LCDFs) 作为估计胸部内部目标运动的替代品.
- 评估LCDF和级联组合模型 (CEM) 在跟踪运动中的性能.
- 评估拟议方法的非侵入性和治疗前培训要求.
主要方法:
- 使用编码器-解码器深度学习模型提取LCDF,以匹配肺部轮.
- 一个级联组合模型 (CEM) 从身体图像中估计了LCDF,以跟踪内部目标运动.
- 用48个目标的运动数据评估性能,并与现有方法进行比较.
主要成果:
- 对于内部目标,LCDF实现了2.6 ± 1.0mm的定位误差.
- CEM显示局部化误差为4.7 ± 0.9毫米,实时性能为256.9 ± 6.0毫秒.
- 这两种方法都显示出与没有内部解剖学知识的患者特定模型相比,精度差异很小.
结论:
- 液晶片和CEM有效地跟踪目标运动,而不是侵入性.
- 建议的方法在治疗前不需要患者特定的培训,简化了临床实施.
- 液晶光纤和CEM具有广泛用于放射治疗和其他图像导向干预的巨大潜力.
