使用深度神经网络缩短图像记录时间,用于在放射治疗中验证患者的位置
Shinichiro Mori1,2, Ryusuke Hirai3, Yukinobu Sakata3
1Quantum Life and Medical Science Directorate, Institute for Quantum Medical Science, National Institutes for Quantum Science and Technology, Inage-ku, Chiba, 263-8555, Japan. mori.shinichiro@qst.go.jp.
Physical and engineering sciences in medicine
|August 28, 2023
概括
这项研究引入了深度神经网络 (DNN) 来从X射线平面探测器 (FPD) 图像中生成数字重建的放射图像 (DRR),加速2D/3D图像注册计算时间以验证患者设置.
科学领域:
- 医疗成像医学成像
- 放射学 放射学是一门学科.
- 人工智能在医学中的应用
背景情况:
- 2D/3D图像注册对于在放射治疗中验证患者设置至关重要.
- 当前的方法可能是计算密集型,限制实时应用.
- 产生准确的数字重建放射图 (DRR) 是准确注册的关键.
研究的目的:
- 通过使用深度神经网络 (DNN) 合成DRR图像来加速2D/3D图像注册.
- 探索这种基于DNN的方法对患者设置验证的可行性.
- 评估DNN生成的DRR图像的质量和准确性.
主要方法:
- 开发了一个深度神经网络 (DNN) 来从X射线平面探测器 (FPD) 图像中生成DRR图像.
- 前列腺和头部和部 (H&N) 区域的图像使用X射线光镜装置和CT.
- 合成的DRR图像质量使用峰值信号对噪声比率 (PSNR) 和结构相似度指数测量 (SSIM) 来评估.
- 使用DRR与合成的DRR图像进行了比较,比较了2D-3D图像注册准确度和计算时间.
主要成果:
- DNN成功地从FPD数据中生成了高保真度的DRR图像 (平均SSIM ≈0.90).
- 平均PSNR值为23.4±3.7dB (盆腔) 和24.1±3.9dB (H&N) 的情况.
- 图像记录的准确性显示出临床上可以接受的降解 (平均0.43毫米,0.30°).
- 2D-3D图像注册的计算时间加快了0.69的系数,平均速度高达37%.
结论:
- DNN 方法有效地从 FPD 数据中合成 DRR 图像.
- 这种方法显著加快了2D-3D图像注册计算时间.
- 在患者设置验证应用程序中,DNN显示出提高效率的承诺.
