在胸部CT中使用基于U-Net模型的卷积神经网络进行自动化尺寸特定剂量估计框架
Sakultala Ruenjit1,2,3, Punnarai Siricharoen4, Kitiwat Khamwan1,3,5
1Medical Physics Program, Department of Radiology, Faculty of Medicine, Chulalongkorn University, Bangkok, Thailand.
Journal of applied clinical medical physics
|January 31, 2024
概括
本研究引入了一种自动卷积神经网络 (CNN) 方法,用于计算胸部CT扫描中的尺寸特定剂量估计 (SSDE). CNN准确地确定了校正有效直径 (Deffcorr),为手工计算提供了可靠的替代方案.
科学领域:
- 医疗成像医学成像
- 辐射物理学 辐射物理学
- 医疗保健中的人工智能
背景情况:
- 精确的辐射剂量评估在计算机断层扫描 (CT) 中至关重要.
- 尺寸特定剂量估计 (SSDE) 有助于标准化不同患者尺寸的剂量报告.
- 手动计算诸如正确有效直径 (Deffcorr) 等参数可能耗时且容易变化.
研究的目的:
- 开发和验证使用卷积神经网络 (CNN) 在胸部CT中计算SSDE的自动化方法.
- 根据自动细分获得的纠正有效直径 (Deffcorr) 来确定SSDE.
- 将自动化方法的结果与手动计算和既定的剂量指标进行比较.
主要方法:
- 基于U-Net的CNN架构用于胸部CT图像的自动细分.
- CNN对肺部,骨和其他组织进行了细分,以计算尺寸,随后纠正有效直径 (Deffcorr).
- 开发的模型在108个胸部CT数据集上进行了训练,结果与使用线性回归和布兰德-阿尔特曼分析的手动测量和水等价直径 (Dw) 计算进行了比较.
主要成果:
- 自动化的CNN方法与基于Deffcorr.com的SSDE的手动计算具有很高的一致性.
- 平均SSDE值在各方法中是可比的:14.3 ± 2.1 mGy (手动Deffcorr),14.6 ± 2.2 mGy (Dw) 和14.5 ± 2.4 mGy (自动Deffcorr).
- 经过训练的U-Net模型准确地预测了SSDE,结果与手工估计一致.
结论:
- 建议使用CNN的自动化框架为计算Defcorr-basedSSDEs在胸部CT中提供了可靠和高效的解决方案.
- 这种人工智能驱动的方法可以简化CT检查中的剂量评估.
- 自动化方法为提高胸部CT中辐射剂量报告的准确性和一致性提供了一个有希望的工具.
