通过基于深度学习的角度不可知X射线成像来实时估计肝脏运动.

科学领域:

• 医学成像医学成像
• 辐射疗法 辐射疗法
• 人工智能的人工智能是人工智能.

背景情况:

• 实时肝脏成像受到快速呼吸的限制,导致3D成像中的样本不足.
• 目前用于运动估计的深度学习 (DL) 方法通常仅限于固定的X射线角度,阻碍了放射治疗指导.

研究的目的:

• 从单个X射线投影开发一个角度无关的DL方法,用于从单个X射线投影中估计可变形肝脏运动.
• 为了提高基于X射线的单个运动估计的准确性,用于实时肝脏成像.

主要方法:

• 开发了X360,一种使用患者特定4D-CT数据的DL方法,以及以变形驱动的方法来估计肝脏边界运动.
• 纳入了基于几何学的X射线特征聚合层,用于角度无关特征提取.
• 集成的X360与光学表面成像和生物机械建模用于肝脏内运动和瘤定位.

主要成果:

• X360将肝脏边界运动的平均95百分点豪斯多夫距离从10.9毫米减少到5.5毫米.
• 集成的X360提高了肝脏瘤定位的准确性,将质量中心误差从9.4毫米降低到2.2毫米.
• 从任意角度的X射线投影中证明了强大的肝脏边界运动估计.

结论:

• X360从任何X射线投影角度提供快速和强大的肝脏边界运动估计,用于实时成像指导.
• 在X360框架允许准确的,实时的,和没有标记的肝脏瘤定位.