使用深度学习的4DCT图像文物检测
Joshua W Carrizales1, Mattison J Flakus2, Dallin Fairbourn3
1Biomedical Engineering, University of Iowa, Iowa City, Iowa, USA.
Medical physics
|November 14, 2024
概括
一个新的深度学习算法有效地检测用于放射治疗的四维计算机断层扫描 (4DCT) 中的运动工件. 这种先进的方法通过识别各种文物类型来改善解剖学可视化和功能测量.
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:
- 四维计算机断层扫描 (4DCT) 对于放射治疗规划至关重要.
- 4DCT扫描中的运动器件可以掩盖解剖细节并扭曲功能测量.
研究的目的:
- 开发一种深度学习算法,用于识别4DCT图像中的运动工件.
- 该算法旨在检测多种文物类型,包括重复,错位,截断和插值.
主要方法:
- 一个U-net卷积神经网络在超过23,000个4DCT切片上进行了训练和验证.
- 模型性能使用接收机操作特征 (ROC) 和精度回忆曲线与手册注释进行评估.
- 灵敏度被调整为与人类观察者检测文物检测水平相匹配.
主要成果:
- 该模型以灵敏度 (0.78),特异性 (0.99) 和精度 (0.58) 实现了高性能.
- 在ROC曲线下的面积为0.99,精度回忆AUC为0.73.
- 该模型的灵敏度比现有最先进的方法高出8%.
结论:
- 开发了一种多功能深度学习模型,用于检测4DCT图像中的各种工件.
- 这个单一模型可以处理多个文物类型,与以前的单一文物类型模型不同.
- 该算法提高了放射治疗中4DCT成像的可靠性.


