概括
这项研究引入了一个无监督的扩散模型,从形光束CT扫描生成合成CT图像,改善适应性放射治疗的图像质量. 患者特定的方法增强了图像导向放射治疗中的定量任务.
科学领域:
- 医学物理 医学物理
- 放射治疗技术 放射治疗技术
- 医疗成像中的人工智能
背景情况:
- 圆束计算断层扫描 (CBCT) 对于图像导向放射治疗 (IGRT) 是至关重要的,但它受到人工制造物和不准确的霍恩斯菲尔德单位的影响,限制了其在适应性放射治疗 (ART) 中的使用.
- 高质量的CT图像对于在线ART协议中的细分和剂量计算等定量任务至关重要.
研究的目的:
- 开发一个无监督的,针对患者的扩散模型,从CBCT数据生成合成CT (sCT) 图像.
- 提高CBCT图像质量,以提高适应性放射治疗应用中的精度.
主要方法:
- 一个不受监督的框架,采用患者特定的基于分数的扩散模型作为图像先验.
- 定制的总变化 (TV) 正规化,以确保切片连贯性.
- 使用患者的计划CT (pCT) 来捕捉个体解剖学的基于分数的模型的无条件训练.
主要成果:
- 该方法在头部和部,胰腺和肺癌数据集上进行了评估.
- 量化指标,如平均绝对误差 (MAE),峰值信号与噪声比 (PSNR) 和规范交叉相关性 (NCC) 用于性能评估.
- 与其他基于无监督扩散模型的CBCT校正算法进行了基准测试.
结论:
- 开发的无监督扩散模型有效地从CBCT扫描中生成CT质量的合成图像.
- 这种方法具有很大的潜力,可以在临床实践中实现定量成像和在线适应性放射治疗.
- 特定于患者的建模增强了解剖信息的表征,以改善CBCT校正.
