合成CT图像的自动化幻觉检测用于仅MR放射治疗工作流程中使用的合成CT图像
Abdul K Parchur1, Mohammad Zarenia1, Colette Gage1
1Department of Radiation Oncology, Medical College of Wisconsin, Milwaukee, WI 53226, United States of America.
Physics in medicine and biology
|February 13, 2025
概括
一个新的工具有效地检测人工智能生成的合成CT图像中的骨头幻觉,用于MRI-only放射治疗. 这种质量保证措施提高了治疗规划的安全性和准确性.
科学领域:
- 医疗成像医学成像
- 放射治疗 物理 物理
- 人工智能在医学中的应用
背景情况:
- 人工智能 (AI) 产生的合成CT (sCT) 图像对于仅MR的放射治疗工作流程至关重要,提供电子密度信息.
- 幻觉,如sCT图像中的假骨或空气区域,对剂量计算的准确性和患者设置验证构成风险.
研究的目的:
- 开发和实施一种工具,用于检测人工智能生成的骨盆sCT图像中的骨幻觉和不准确性.
- 为了确保sCT图像在只有MR的放射治疗工作流程中的可靠性.
主要方法:
- 使用3D SegResNet架构的深度学习自动细分 (DLAS) 模型被训练在MR图像集和相应的CT衍生骨轮上.
- DLAS模型被实施为人工智能生成的sCT图像的幻觉选器.
- 模型性能在一个独立的测试数据集 (n=10) 上进行了评估.
主要成果:
- 基于DLAS的选器在AI生成的sCT图像中成功识别了骨头幻觉.
- 选器的灵敏度可以根据sCT骨区域和DLAS生成的轮之间的差异距离进行调整.
- 平均特异性在1.2厘米的距离参数达到0.98,所有患者都显示出已识别的虚假高密度区域.
结论:
- 一种用于人工智能生成的骨盆sCT图像的新型幻觉查器已经准备好用于临床使用.
- 这种工具作为一个重要的质量保证措施,在MR-only放射治疗.
- 选器提高了sCT图像的安全性和准确性,减轻了放射治疗中潜在的AI相关错误.
更多相关视频
06:53Management of Respiratory Motion Artefacts in 18F-fluorodeoxyglucose Positron Emission Tomography using an Amplitude-Based Optimal Respiratory Gating Algorithm
Published on: July 23, 2020
5.5K
09:55Radiosynthesis, Quality Control, and Small Animal Positron Emission Tomography Imaging of 68Ga-Labelled Nano Molecules
Published on: October 4, 2024
295
