基于CBCT的合成CT图像生成,使用CBCT指导的肺放射治疗的扩散模型

科学领域:

• 医疗成像医学成像
• 辐射瘤学 辐射瘤学
• 人工智能的人工智能

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,因为它的剂量低,扫描速度快.
• 然而,CBCT图像存在人工物和降低分辨率,影响治疗的准确性.

研究的目的:

• 引入一个肺扩散模型 (L-DM) 框架,以提高CBCT图像质量.
• 目标是减轻人工制造物和提高分辨率,以获得更好的放射治疗.

主要方法:

• 一个条件扩散模型被训练在 CT (pCT) 和变形 CBCT (dCBCT) 图像对的规划上.
• 该L-DM合成dCBCT的肺CT图像,使用dCBCT作为一个约束.

主要成果:

• 在L-DM中,平均绝对误差 (MAE),峰值信号与噪声比 (PSNR),规范交叉相关性 (NCC) 和结构相似性指数测量 (SSIM) 显著改善.
• 在一个机构数据集中,MAE从101.47下降到37.87HU,PSNR,NCC,SSIM增加.
• 在公开数据集中也观察到类似的改善,MAE从173.65下降到58.95欧元.

结论:

• 与预校正CBCT和其他模型相比,L-DM显著提高了合成CT (sCT) 的图像质量.
• 这种模型可以通过提高HU精度和减少人工物来改进基于CBCT的IGRT和其他临床应用.