基于"仅CBCT"模式的伪医学图像引导技术用于食道癌放射治疗
Hongfei Sun1, Zhi Yang1, Jiarui Zhu2
1Department of Radiation Oncology, Xijing Hospital, Fourth Military Medical University, Xi'an, China.
Computer methods and programs in biomedicine
|January 19, 2024
概括
这项研究引入了一种用于食道癌放射治疗的新型伪医学图像指导技术,使用深度学习从CBCT数据创建准确的伪CT和伪PET图像,提高治疗准确度.
科学领域:
- 医学物理 医学物理
- 辐射疗法 辐射疗法
- 医疗成像医学成像
背景情况:
- 对食道癌的图像引导放射治疗 (IGRT) 面临错误.
- 准确的成像对于精确的剂量输送和瘤向至关重要.
研究的目的:
- 开发一种新的"CBCT-only"伪医学图像指导技术,用于食道癌放射治疗.
- 通过生成准确的伪CT和伪PET图像来最大限度地减少IGRT中的错误.
主要方法:
- 使用双域深度学习模型 (AWM-PNet) 进行CBCT到CT伪图像合成,抑制文物.
- 采用PRAM-GAN模型用于CT到PET伪图像合成,结合瘤位置和形状信息.
- 使用NRMSE,MS-SSIM,剂量指标 (D98%,Dmean,D2%) 和GTV划分 (迪斯系数) 验证的图像准确性.
主要成果:
- AWM-PNet实现了NRMSE的0.0218和MS-SSIM的0.9325,用剂量指标验证了准确的HU值.
- 在PRAM-GAN中,NRMSE达到0.0404,MS-SSIM达到0.9154,在GTV划分方面取得了统计学上显著的改善.
- 与其他方法相比,这两种模型都显示出显著的差异 (p < 0.05).
结论:
- AWM-PNet和PRAM-GAN模型可以分别生成准确的伪CT和伪PET图像.
- "只有CBCT"的伪图像导向技术对食道癌放射治疗有希望,提高了准确性,并可能减少治疗错误.


