使用深度学习方法,从高剂量速率胸膜疗法的马相机图像中估计无模糊和无噪声的Ir-192源图像

科学领域:

• 医学物理 医学物理
• 放射治疗技术 放射治疗技术
• 图像处理 图像处理

背景情况:

• 在高剂量率 (HDR) 支架疗法中,精确监测-192 (Ir-192) 源对于最大限度地减少周围健康组织的损伤至关重要.
• 紧型马相机为实时源成像提供了一个潜在的解决方案,但它们的图像受到模糊和统计噪声的影响,损害了位置精度.

研究的目的:

• 开发和评估一种深度学习 (DL) 方法来增强Ir-192源的马相机图像.
• 目标是减少模糊和噪声,从而提高HDR支架疗法中源位置和停留时间监控的准确性.

主要方法:

• 使用模拟的Ir-192玛摄像头图像训练了一种双pix2pix深度学习模型.
• 第一个模型进行了图像消除,第二个模型应用了超分辨率增强.
• 然后,训练过的模型应用于实验图像,以生成理想化的源表征.

主要成果:

• DL方法将源大小的半最大全宽度 (FWHM) 的差异从2.7毫米减少到大约0.5毫米,距离100毫米,测量时间为1.5秒.
• 即使缩短了测量时间 (0.1秒),也可以获得准确的估计.
• 该方法在不同的源位置上表现出一致的准确性,尽管准确性随着源至摄像头距离的增加而下降.

结论:

• 拟议的深度学习方法有效地减少了Ir-192源的马相机图像中的模糊和统计噪声.
• 这种技术可以实现精确的实时监控,误差小于0.5毫米在100毫米.
• 该方法显着有望通过改进源定位来提高HDR支臂疗法的安全性和有效性.