针对患者的深度学习跟踪框架,用于磁共振成像指导辐射治疗中的实时2D目标定位
Elia Lombardo1, Laura Velezmoro1, Sebastian N Marschner1
1Department of Radiation Oncology, LMU University Hospital, LMU Munich.
International journal of radiation oncology, biology, physics
|October 26, 2024
概括
针对患者的深度学习模型使用2D电影MRI准确跟踪瘤. 该框架增强了MRI导向放射治疗的实时目标定位,提高了治疗精度.
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:
- 精确的瘤追踪对于有效的MRI导向放射治疗至关重要.
- 深度学习 (DL) 为改善医学成像中的图像注册和细分提供了潜力.
研究的目的:
- 开发和评估一个针对患者 (PS) 的深度学习 (DL) 框架,用于2D电影MRI中的瘤跟踪.
- 评估DL模型的性能与实时目标定位的传统方法相比.
主要方法:
- 开发了一个结合图像注册变压器和自动分割卷积神经网络 (CNN) 的框架.
- 模型使用超过140万个电影MRI进行了训练,PS模型根据患者特定的数据进行了微调.
- 使用Dice相似系数和Hausdorff距离来评估性能,与B-spline注册和其他基线相比.
主要成果:
- 在瘤追踪准确度方面,PS DL模型显著超过了所有其他方法.
- 实现了0.92/0.90的子相似系数和低的豪斯多夫距离 (HD50%的1.0毫米).
- 实时推断实现了低延迟 (8ms/frame),PS微调是高效的 (3分钟标记,4-8分钟训练).
结论:
- 两个针对患者的深度学习模型为胸部,腹部和骨盆目标提供了准确的实时瘤定位.
- 该框架展示了PS DL在增强MRI导向放射治疗方面的潜力.
更多相关视频
10:48PET and MRI Guided Irradiation of a Glioblastoma Rat Model Using a Micro-irradiator
Published on: December 28, 2017
9.5K
07:57Positron Emission Tomography-based Dose Painting Radiation Therapy in a Glioblastoma Rat Model using the Small Animal Radiation Research Platform
Published on: March 24, 2022
2.7K
