开发和评估基于Mask R-CNN应用到呼吸运动补偿系统的超声波图像跟踪技术
Lai-Lei Ting1, Ming-Lu Guo2, Ai-Ho Liao3,4
1Department of Radiation Oncology, Taipei Medical University Hospital, Taipei, Taiwan.
Quantitative imaging in medicine and surgery
|October 23, 2023
概括
这项研究引入了一种新的面膜超声波成像跟踪算法 (M-UITA),用于精确的隔膜运动跟踪. 与现有方法相比,M-UITA系统提高了6.22%的呼吸运动补偿率.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 辐射瘤学 辐射瘤学
背景情况:
- 图像导向放射治疗对于管理呼吸诱导的瘤移位至关重要.
- 基于面具区域的卷积神经网络 (Mask R-CNN) 是用于对象检测和细分的先进工具.
研究的目的:
- 开发一种新的超声波图像跟踪技术,使用Mask R-CNN用于隔膜运动.
- 将这项技术应用于呼吸运动补偿系统 (RMCS).
主要方法:
- 训练面具 R-CNN 在 1800 张人类隔膜超声波图像上.
- 开发了一种算法 (M-UITA) 用Mask R-CNN输出来跟踪隔膜运动.
- 集成的M-UITA与RMCS用于呼吸运动补偿.
主要成果:
- M-UITA追踪相似性实验显示,平均离散的Fréchet距离小于4毫米.
- 与标准UITA相比,拟议的方法提高了6.22%的呼吸道位移补偿率.
- M-UITA展示了高跟踪精度和稳定性.
结论:
- M-UITA为放射治疗提供精确和稳定的隔膜运动监测.
- 该方法增强了RMCS中的呼吸运动补偿.
- M-UITA 消除了手动参数调整的需要,简化了操作.
