瘤意识复发性患者间可变形图像记录 肺癌计算机断层扫描的计算机断层扫描

科学领域:

• 医学成像和放射治疗研究.
• 人工智能在医疗保健中的发展.
• 计算解剖学和图像分析.

背景情况:

• 用于放射治疗 (RT) 结果建模的基于voxel的分析 (VBA) 需要准确的患者间可变形图像注册 (DIR).
• DIR必须在移动图像上保留瘤拓,同时防止固定图像的不现实的变形.

研究的目的:

• 开发和评估一种针对VBA的瘤意识循环注册 (TRACER) 深度学习 (DL) 方法.
• 评估 TRACER 在可变形图像注册中适用于处理肺癌 (LC) 的适用性.

主要方法:

• TRACER使用3D卷积长短期内存网络 (3D-CLSTM) 进行渐进变形计算.
• 输入调节包括瘤细分,无监督优化使用刚性,相似性和光滑性损失.
• 在204个肺癌患者的CT图像对上进行了训练,在三个数据集上进行了评估.

主要成果:

• TRACER显示了正常组织的准确对齐.
• 它在数据集之间实现了优异的瘤保存,体积差异最小 (0.13-0.40%).
• 这导致了对瘤的计划RT剂量差异最小 (0.01-0.013 Gy).

结论:

• TRACER是一种合适的DL方法,用于肺癌患者间的注册.
• 该方法适用于基于voxel的分析中的固定和移动图像.
• TRACER提高了放射治疗规划和结果建模的准确性.