使用生成对抗网络进行非共平面CBCT图像重建,用于非共平面放射治疗

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:

• 非共平面放射疗法在剂量分配和节省有风险的器官方面具有潜在的优势.
• 有限角形束计算断层扫描 (CBCT) 对于图像导向放射治疗至关重要,但也面临着重建挑战.
• 准确的3D患者定位验证对于有效的放射治疗提供至关重要.

研究的目的:

• 开发和评估使用有限角度投影的非共平面CBCT图像重建方法.
• 为了使非共平面放射治疗的治疗内3D位置验证.
• 为了提高CBCT重建,利用生成对抗网络 (GAN).

主要方法:

• 一个双分支编码器-解码器生成对抗网络 (GAN) 设计用于非共平面CBCT重建.
• 该GAN使用共平面CBCT和非共平面投影作为图像生成的输入.
• 基于补丁的区分器和一个新的关节损失函数被使用来提高重建的准确性和整体一致性.

主要成果:

• 拟议的GAN方法成功地从有限角度投影中重建了非共平面CBCT图像.
• 使用根平均平方误差 (RMSE) 和注册误差 (ε) 评估了重建的准确性.
• 在患者和幻影数据中,与±90°角度相比,在±45°沙发角度训练的模型表现出优异的性能.

结论:

• 开发的非共平面CBCT重建方法显示了治疗内3D位置验证的前景.
• 精确的图像重建对于提高非共平面放射治疗的精度至关重要.
• 进一步的研究可能会探索优化GAN架构和损失函数,用于各种非共平面辐射疗法场景.