增强运动工件,以增强复杂结构的自动轮,在圆束计算机断层扫描成像中
Angelo Genghi1, Mário João Fartaria1, Anna Siroki-Galambos1
1Imaging Laboratory (iLab), Varian Medical Systems, Siemens Healthcare, Baden, Switzerland.
Physics in medicine and biology
|January 30, 2025
概括
这项研究引入了一种新的方法来模拟圆束计算机断层扫描 (CBCT) 运动文物,增强人工智能自动轮性能. 用模拟的伪CBCT (pCBCT) 数据训练AI模型显著提高了各种解剖结构的准确性.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 辐射疗法 辐射疗法
背景情况:
- 圆束计算断层扫描 (CBCT) 对于图像导向放射治疗至关重要.
- 在CBCT中的运动工件可以降低图像质量并影响自动轮准确度.
- 现有的人工智能 (AI) 模型与运动损坏的CBCT数据作斗争.
研究的目的:
- 开发一种新的增强技术,模拟CBCT运动器件.
- 为人工智能培训生成合成伪CBCT (pCBCT) 数据.
- 使用pCBCT数据增强人工智能驱动的自动轮模型的性能.
主要方法:
- 创建模拟伪CBCT (pCBCT) 使用交错的喘息和自由呼吸投影.
- 训练有素的神经网络用于自动轮头部,部和肠道结构,有或没有pCBCT数据.
- 通过对独立CT和真实CBCT试验集的定量 (子相似系数,平均轮距离) 和定性分析来评估模型性能.
主要成果:
- 在真实CBCT中发现的pCBCT图像真实模拟的运动工件.
- 使用PCBCT数据进行训练显著提高了多个结构 (例如大脑,下腺,大肠/小肠) 的自行轮准确性 (DSC,ACD).
- 临床专家评估显示,90%以上的自动生成轮是可以接受的,在受工件影响的区域中错误较少.
结论:
- 拟议的PCBCT增强方法有效模拟现实的运动工件.
- 将pCBCT数据纳入人工智能训练显著提高了自动轮性能,特别是在易受人工物影响的CBCT图像中.
- 这种方法提供了一个可行的策略,以提高AI模型在临床放射治疗工作流程中的稳定性和准确性.
