相关实验视频
Updated: May 5, 2026
13:45
Hybrid µCT-FMT imaging and image analysis
Published on: June 4, 2015
13.1K
在非对比CT图像中进行多器官细分的NCCT到CECT合成,具有对比增强的知识和解剖感知,用于非对比CT图像中的多器官细分
Liming Zhong1, Ruolin Xiao1, Hai Shu2
1School of Biomedical Engineering, Southern Medical University, Guangzhou, 510515, China; Guangdong Provincial Key Laboratory of Medical Image Processing, Guangzhou, 510515, China; Guangdong Province Engineering Laboratory for Medical Imaging and Diagnostic Technology, Guangzhou, 510515, China.
Medical image analysis
|November 29, 2024
概括
一个新的CKAP-Net模型从非对比CT (NCCT) 扫描中合成了对比增强CT (CECT),提高了器官细分的准确性,并减少了在放射治疗规划中与对比剂相关的风险.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 辐射瘤学 辐射瘤学
背景情况:
- 与对比度增强的计算机断层扫描 (CECT) 对于在放射治疗规划中划分有风险的器官 (OAR) 是至关重要的.
- 将OAR从CECT转移到非对比CT (NCCT) 用于剂量计算可能会导致由于空间错位和对比剂的风险而导致错误.
- 从NCCT中合成CECT的现有方法在捕捉对比剂诱导的组织差异和精细的解剖细节,如器官边缘和血管等方面扎.
研究的目的:
- 开发一种先进的方法来合成来自NCCT扫描的CECT图像.
- 通过合成对比增强提高可见性,提高NCCT图像中器官细分的准确性.
- 为了减轻与对比剂和空间失调相关的风险,在辐射治疗规划中.
主要方法:
- 提出了对比增强的知识和解剖感知网络 (CKAP-Net) 来进行NCCT到CECT的图像合成.
- 集成了一个对比增强的知识学习网络,以捕捉由对比剂引起的域差异.
- 引入了基于对比剂的感知损失功能和用于详细合成的多尺度解剖感知变压器.
主要成果:
- 在CECT合成中,CKAP-Net实现了25.96 ± 2.64的平均绝对误差 (MAE),0.855 ± 0.017的结构相似度指数 (SSIM) 和32.60 ± 0.02的峰值信号噪声比 (PSNR).
- 在内部数据集上进行细分时,证明了 81.21 ± 4.44 的子相似系数 (DSC).
- 在多中心腹部,头部和部和NCMRI-CEMRI数据集的准确性和概括性方面,超越了最先进的对比剂合成方法.
结论:
- CKAP-Net有效地合成了来自NCCT的CECT图像,准确地捕捉了对比剂效应和解剖细节.
- 拟议的方法增强了NCCT图像中的器官细分,在放射治疗规划中提供了一个比传统CECT更安全的替代方案.
- CKAP-Net表现出强大的性能和通用性,表明其在医学成像和放射瘤学中的临床应用潜力.
