动态CBCT成像使用先前无模型的时空隐含神经表示 (PMF-STINR)
Hua-Chieh Shao1, Tielige Mengke1, Tinsu Pan2
1The Medical Artificial Intelligence and Automation (MAIA) Laboratory Department of Radiation Oncology, University of Texas Southwestern Medical Center, Dallas, TX 75390, USA.
ArXiv
|November 28, 2023
概括
一种新的AI方法,即以前没有模型的时空隐性神经表示 (PMF-STINR),从有限的X射线数据中重建动态圆束CT (CBCT). 这项技术准确地捕捉了患者复杂的运动,从而改善了放射治疗.
科学领域:
- 医学物理 医学物理
- 辐射疗法成像成像技术
- 机器学习在医学成像中的应用
背景情况:
- 动态圆束计算断层扫描 (CBCT) 对于放射治疗运动监测和适应性规划至关重要.
- 重建动态CBCT是具有挑战性的,因为稀疏的投影和快速的解剖运动,创造了一个不好的空间时间问题.
结论:
- PMF-STINR可以重建动态CBCT,并且在没有先前模型或运动分类的情况下解决扫描内运动.
- 与传统的4D-CBCT相比,提供了更丰富的运动信息,显示了放射治疗中高级运动管理的前景.


