基于深度学习的条件inpainting用于修复受文物影响的4DCT图像
Frederic Madesta1,2,3, Thilo Sentker1,2,3, Tobias Gauer4
1Department of Computational Neuroscience, University Medical Center Hamburg-Eppendorf, Hamburg, Germany.
Medical physics
|December 6, 2023
概括
深度学习有效地修复了4DCT图像被文物破坏,改善了放射治疗的计划. 这种新型的有条件染色方法利用患者特定的数据进行可靠的解剖信息恢复.
科学领域:
- 医疗成像医学成像
- 辐射疗法 辐射疗法
- 人工智能在医学中的应用
背景情况:
- 4DCT成像对于胸部和腹部瘤放射治疗至关重要.
- 4D CT中的人工物损害了治疗计划和数据可靠性.
研究的目的:
- 引入基于深度学习 (DL) 的条件inpainting方法,用于恢复受文物影响的4DCT图像数据.
- 确保在受损区域的解剖学上正确和可靠的图像信息.
主要方法:
- 一个两阶段的方法:基于DL的插值 (INT) 和双结构 (DS) 文物检测.
- 以患者特定的图像数据为指导,以确保解剖学准确性.
- 在65个内部和2个外部4DCT数据集上进行验证.
主要成果:
- 在文物检测中高精度 (ROC-AUC为INT0.99,DS为0.97).
- 根平均平方误差 (RMSE) 显著减少52% (INT) 和59% (DS).
- 在数据中成功删除了72%的可检测工件,其中有明显的工件.
结论:
- 基于深度学习的inpainting显示了恢复受文物影响的4DCT数据的巨大潜力.
- 拟议的方法通过利用患者特定的先前图像信息提供了优势.
- 这种方法提高了用于放射治疗的4DCT成像的质量和可靠性.
