通过双路径学习进行器官意识的CBCT增强,用于前列腺癌治疗
Xu Chen1,2,3, Yunkui Pang4, Sahar Ahmad5,6
1College of Computer Science and Technology, Huaqiao University, Xiamen, China.
Medical physics
|September 26, 2023
概括
这项研究引入了一种双路径学习框架,以改善前列腺癌放射治疗的圆束计算机断层扫描 (CBCT) 图像. 该方法提高了图像质量,有助于精确的准和适应性治疗规划.
科学领域:
- 医学成像医学成像
- 辐射疗法 辐射疗法
- 图像处理 图像处理
背景情况:
- 形束计算断层扫描 (CBCT) 对于前列腺癌强度调节放射治疗 (IMRT) 是至关重要的.
- 在CBCT中,差的对比度和模糊的边界阻碍了精确的准和适应性治疗计划.
研究的目的:
- 通过将其转化为高质量的CT图像来增强盆腔CBCT图像.
- 专注于改善放射治疗至关重要的解剖结构,如前列腺,膀和直肠.
主要方法:
- 开发了一个新的双路径学习框架,整合全球和本地信息.
- 该框架采用了图像级跨模式翻译的全球路径和器官意识区域翻译的本地路径.
- 这种架构被设计为用于各种医学图像对图像翻译任务的插入运行模块.
主要成果:
- 定量评估显示,峰值信号噪声比 (PSNR) 为 27.22 ± 1.79 和结构相似性 (SSIM) 为 0.71 ± 0.03.
- 提出的方法优于最先进的图像对图像翻译技术.
- 统计分析证实了该方法所取得的显著改善.
结论:
- 开发的方法显著增强了盆腔CBCT图像,特别是在器官层面.
- 这种器官意识增强与放射治疗应用的现有方法相比,提供了更高的性能.
