圆束计算断层扫描 (CBCT) 图像质量改进,使用无声扩散概率模型,由盆腔区域的伪CBCT条件

科学领域:

• 医学物理 医学物理
• 放射疗法成像技术 放射疗法成像技术
• 人工智能在医学中的应用

背景情况:

• 圆束计算机断层扫描 (CBCT) 对于放射治疗患者的设置至关重要,但与计划CT相比,其图像质量较差.
• 在CBCT中的图像质量限制,包括散射和重建工件,降低了Hounsfield Unit (HU) 的精度,阻碍了其在适应性辐射疗法 (ART) 中的使用.
• 现有的深度学习方法用于从CBCT生成合成CT (sCT),它们与解剖学变形作斗争,限制了它们的有效性.

研究的目的:

• 提高CBCT图像质量和准确性,以改善ART,使用一种新的条件否定扩散概率模型 (CDDPM).
• 从CBCT生成高质量的合成CT (sCT),它准确地表示Hounsfield单位 (HU) 并保留解剖结构.
• 在图像质量指标,解剖学保存和盆腔癌放射治疗的剂量测量准确性方面评估拟议的sCT的性能.

主要方法:

• 开发并训练了一种有条件的无阴性扩散概率模型 (CDDPM),该模型是基于从计划CT中合成的伪CBCT数据,并添加了散射.
• 使用CDDPM将低质量的CBCT图像转换为高质量的sCT图像.
• 使用诸如平均绝对误差 (MAE),峰值信号噪声比 (PSNR),子,贾卡德系数和剂量分析等指标来评估性能.

主要成果:

• 拟议的sCT显著降低了平均绝对误差 (MAE) 从81.19 HU (CBCT) 到24.89 HU.
• 峰值信号与噪声比 (PSNR) 从CBCT的31.20dB提高到sCT的33.81dB.
• 对前列腺癌的剂量测量分析显示,CBCT的剂量误差从10%以上减少到sCT的近0%,Gamma通过率超过90%.

结论:

• 开发的CDDPM有效地提高了CBCT图像质量,产生了具有更好的HU精度和解剖准确性的sCT.
• 拟议的sCT方法在准确性和解剖学保存方面表现出高于其他深度学习模型的卓越性能.
• 增强的图像质量和sCT的剂量准确性提高了适应性辐射疗法 (ART) 在盆腔癌治疗中的潜力.