对于胰腺SBRT的目标追踪应用,CBCT-DRR优于CT-DRR

科学领域:

• 医学物理 医学物理
• 辐射疗法 辐射疗法
• 图像处理 图像处理

背景情况:

• 目前基于X射线图的无标记目标跟踪依赖于使用数字重建X射线图 (DRRs) 来训练的深度学习模型,从计划CT (CT-DRRs) 来进行.
• 传统的DRR算法可能无法准确地复制碎片内放射的图像质量,这可能会限制跟踪精度.
• 假设使用车载成像仪 (OBIs) 的物理模型从预处理圆束CT (CBCT-DRRs) 来生成DRR,以提高与分数内部放射图的相似性.

研究的目的:

• 测试分数内射线图是否与CBCT-DRRs相似,而不是CT-DRRs.
• 为了评估使用物理OBI组件模型生成的DRR是否更类似于内部分数放射图,而不是那些没有.
• 评估源光谱,探测器和患者材料建模对放射-DRR相似性的影响.

主要方法:

• DRRs是从20名胰腺立体体辐射疗法患者的计划CT和预治疗CBCT数据集中生成的.
• 应用了四种DRR算法:传统的源光谱建模,源光谱和探测器建模,源光谱,探测器和患者材料建模.
• 用皮尔森相关性和切卡诺夫斯基指数量化了分数内部放射和生成的DRR之间的相似性,并通过Wilcoxon的签名等级和Kolmogorov-Smirnov测试评估了统计学意义.

主要成果:

• 在所有测试的算法 (p ≤ 0.007) 中,分数内射线图与CBCT-DRRs相比,CT-DRRs的相似性显著更高.
• 源频谱建模显著改善了两种指标 (p < 10^-6) 的放射-DRR相似性.
• OBI检测器和患者材料建模并没有显著影响放射-DRR相似性.

结论:

• 从预处理CBCT生成DRR是可行的,并且可以增强与分数内放射图的相似性.
• 将CBCT-DRR纳入无标记标记的目标追踪可能会提高放射治疗中的追踪精度.
• 在DRR算法中源频谱建模可以帮助患者对齐,从而有可能提高安全的癌症治疗.