使用基于深度学习的两相细分和对象跟踪算法,完全自动地重建前列腺高剂量率支架治疗间歇性针.
Mohammad Mahdi Moradi1, Zahra Siavashpour2,3, Soheib Takhtardeshir1
1Faculty of Electrical Engineering Shahid Beheshti University Tehran Iran.
Clinical and translational radiation oncology
|February 4, 2025
概括
这项研究引入了一种两相深度学习方法,用于使用CT图像准确地定位高剂量率 (HDR) 前列腺支架疗法 (BT) 针,从而改善治疗计划.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 准确的布拉基疗法 (BT) 应用器/针轨迹的定位对于成功治疗至关重要.
- 目前用于检测前列腺BT中针道的方法可能具有挑战性和耗时.
研究的目的:
- 开发和验证一种双相深度学习方法,用于高剂量率 (HDR) 前列腺BT导管的自动定位.
- 为了提高前列腺骨干治疗中针轨迹检测的准确性和效率.
主要方法:
- 采用了两相深度学习模型,利用 pix2pix生成对抗网络 (GAN) 进行针分段和使用回归网络 (GOTURN) 进行通用对象跟踪进行轨迹预测.
- 这些模型在25名接受前列腺HDR-BT治疗的患者的临床数据集上进行了训练和测试,其中5名患者被保留用于测试.
主要成果:
- pix2pix GAN 实现了针的98.72%分段精度.
- 报告了高性能指标:子相似度系数 (DSC) 为0.95,十字路口超过联盟 (IoU) 为0.90,F1得分为0.95,回忆为0.93,精度为0.97.
- 拟议的模型在定位针轴时显示了0.41mm的平均误差.
结论:
- 该研究提出了一种新的自动化方法,用于从3DCT图像中定位和重建前列腺HDR-BT间歇性针.
- 这种计算机辅助方法有可能显著改善临床环境中多导管的检测和划分,从而提高治疗质量.
