通过CBCT图像增强自适应性质子疗法:基于3D视觉转换器的合成头CT生成
David Viar-Hernandez1, Juan Manuel Molina-Maza1, Juan Antonio Vera-Sánchez2
1Universidad Rey Juan Carlos, Medical Image Analysis and Biometry Laboratory, Madrid, Spain.
Medical physics
|April 3, 2024
概括
本研究介绍了一种增强的3D视觉转换器 (ViT3D) 架构,用于从形光束CT扫描中生成伪CT图像. 该方法提高了适应性质子疗法的停止功率比准确度,提高了治疗精度.
科学领域:
- 医疗成像医学成像
- 放射治疗 物理 物理
- 人工智能在医学中的应用
背景情况:
- 质子疗法需要精确的剂量分配,对解剖学变化敏感.
- 适应性辐射疗法 (ART) 使用圆束计算断层扫描 (CBCT),但CBCT不能直接估计适应性质子疗法 (APT) 的停止功率比率 (SPR).
研究的目的:
- 为APT开发增强的深度学习方法,将CBCT图像转换为伪CT (pCT) 图像.
- 为了提高从pCT图像进行SPR估计的准确性,用于临床APT应用.
主要方法:
- 引入一个集成到新型架构中的3D视觉转换器 (ViT3D) 块.
- 对来自59名头癌患者的259个CBCT/CT图像对进行了回顾性分析.
- 数据集分为80%的培训,10%的验证和10%的测试.
主要成果:
- 与计划CT相比,拟议的方法实现了SPR地图的绝对相对误差低于5%,相比于计划CT.
- 这对现有的基于CBCT的SPR估计方法来说是一个显著的改进.
结论:
- 一个增强的ViT3D架构能够从CBCT生成APT的准确的pCT,从而在临床边缘内减少SPR错误.
- 该方法最大限度地减少了SPR估计和剂量计算中的偏差,为APT提供了有希望的进步.
- 需要进一步的研究来验证在各种医学成像场景中的稳定性和通用性.


