实时CBCT成像和运动跟踪通过一个单独的任意角度X射线投影通过一个联合动态重建和运动估计 (DREME) 框架
Hua-Chieh Shao1, Tielige Mengke1, Tinsu Pan2
1The Medical Artificial Intelligence and Automation (MAIA) Laboratory, Department of Radiation Oncology, University of Texas Southwestern Medical Center, Dallas, TX 75390, USA.
ArXiv
|October 14, 2024
概括
这项研究介绍了DREME,这是一种用于实时圆束计算机断层扫描 (CBCT) 成像和运动估计的新框架. 在没有患者特定数据的情况下,DREME精确地跟踪3D解剖运动,提高了放射治疗的准确性.
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:
- 实时圆束计算断层扫描 (CBCT) 对于放射治疗图像指导和适应性治疗至关重要.
- 现有的方法通常依赖于患者特定的先前信息,这些信息可能过时,并引入不准确性.
- 准确的实时运动跟踪对于精确的剂量输送和改善患者结果至关重要.
研究的目的:
- 开发一个新的框架,DREME,用于实时CBCT成像和运动估计.
- 为了解决当前实时成像技术中患者特异性事先信息的局限性.
- 为了在放射治疗中实现精确的分数内运动管理.
主要方法:
- DREME集成了基于深度学习的方法,用于实时CBCT重建和运动估计.
- 采用动态CBCT重建框架,以数据驱动的方式重建数据,而不需要患者特定的知识.
- 一个基于卷积神经网络的运动编码器被联合训练,用于从单个X射线投影中实时估计运动.
主要成果:
- DREME实现了3D呼吸诱导的解剖运动的实时估计,每次X射线投影的推断时间约为1.5毫秒.
- 在数字幻影研究中,DREME显示了平均1.2±0.9毫米的肺瘤质量中心定位误差.
- 患者研究显示,在投射域中的实时瘤定位精度为1.8±1.6毫米.
结论:
- 通过任意角度的单个X射线投影,DREME可实现实时CBCT和体积运动估计.
- 这一框架具有很大的临床应用潜力,用于分数内运动管理.
- 当与实时剂量计算相结合时,可以将DREME扩展到实时剂量跟踪和治疗评估.
