适应性放射治疗中的伪CT合成基于一个堆叠的粗细模型:将扩散过程和空间频率卷积进行合
Hongfei Sun1, Xiaohuan Sun1, Jie Li1
1Department of Radiation Oncology, Xijing Hospital, Fourth Military Medical University, Xi'an, China.
Medical physics
|September 19, 2024
概括
这项研究引入了一种新的人工智能模型,以改进圆束计算机断层扫描 (CBCT) 对盆腔癌放射治疗的成像. 增强的CBCT图像在治疗规划和治疗中提供了更高的准确性.
科学领域:
- 医疗成像医学成像
- 辐射疗法 辐射疗法
- 人工智能的人工智能
背景情况:
- 形束计算断层扫描 (CBCT) 对于适应性放射治疗 (ART) 在盆腔癌中至关重要.
- CBCT图像存在不准确的Hounsfield Unit (HU) 值和软组织对比度差,影响治疗的准确性.
- 图像质量提升对于可靠的骨盆放射治疗规划和交付是必要的.
研究的目的:
- 为提高CBCT图像质量开发一种新的堆叠粗细模型.
- 该模型整合了Denoising扩散概率模型 (DDPM) 与空间频域卷积.
- 目标是生成精确的伪CT (pCT) 图像,以改善放射治疗.
主要方法:
- 一个两阶段的增强过程:使用DDPM与U-ConvNeXt进行粗度消噪,并使用卷积模块 (快里叶和扩展卷积) 进行微调.
- 在培训中,使用了250张来自宫癌和直肠癌的CBCT-CT图像,以及200个公共数据集病例.
- 评估涉及SSIM,PSNR,NCC等指标,以及剂量分析 (MAE).
主要成果:
- 拟议的模型与真实CT实现了高解剖一致性 (例如,宫癌的SSIM 87.14%).
- 与其他模型 (ResUnet,CycleGAN,DDPM,DDIM) 相比,观察到具有统计学意义的改善 (p <0.05).
- 剂量计验证显示Dmin,Dmax和Dmean的误差最小 (例如,Dmean为0.57%),证实了剂量计算的HU精度提高.
结论:
- 开发的PCT合成模型在准确性和可视化方面明显优于现有方法.
- 增强的CBCT图像显示了改善适应性放射治疗在盆腔癌治疗中的前景.
- 这种人工智能驱动的方法为更精确,更有效的癌症治疗计划提供了宝贵的工具.
