DiffRecon:基于扩散的CT重建与交叉模式可变形融合用于DR引导的非共平面放射治疗

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:

• 术内数字放射 (DR) 和术前计算机断层扫描 (CT) 的图像融合对于非共平面放射治疗指导至关重要.
• 目前的聚变方法在DR和CT之间的不对齐数据和维度差异方面扎.
• 从DR进行CT重建可以克服这些局限性.

研究的目的:

• 开发一个统一的框架,用于使用扩散模型从DR进行手术内CT重建.
• 为了提高非共平面放射治疗中图像指导的准确性.
• 通过将手术前CT作为预先信息,提高基于DR的CT重建的临床适用性.

主要方法:

• 提出了DiffRecon,一个统一的生成和注册框架,使用DR的CT重建的扩散模型.
• 采用一个生成模型来合成手术内CT和一个注册模型来对它们进行对齐.
• 设计了一种带有交叉注意模块的双编码器,可以从DR和手术前CT学习,从而实现2D/3D特征转换和交叉模式融合.

主要成果:

• 实现了高质量的图像合成,RMSE为0.02±0.01,PSNR为44.92±3.26,SSIM为0.994±0.003.
• 证明了卓越的剂量测量准确性,平均马通道率为95.2% (1%/1毫米),99.4% (2%/2毫米) 和99.9% (3%/3毫米).
• 从单个DR预测中验证了准确的CT重建.

结论:

• DiffRecon精确地从单个DR投影中重建CT,具有卓越的图像生成和剂量测量精度.
• 该方法有效地解决了DR和CT之间的维度和对齐差异.
• DiffRecon显示出非共平面适应性放射治疗工作流程的巨大潜力.