点云细分与化数据增强用于前列腺癌治疗
Jianxin Zhou1, Massimiliano Salvatori2, Kadishe Fejza3
1Department of Nuclear, Plasma, and Radiological Engineering, University of Illinois at Urbana-Champaign, Urbana, Illinois, USA.
Medical physics
|April 4, 2025
概括
本研究引入了适应性辐射疗法 (ART) 的快速点云细分模型. 这种新的方法显著减少了CT扫描中的器官细分时间,提高了前列腺癌患者的治疗工作流程效率和准确性.
科学领域:
- 医学物理与成像学
- 放射治疗和瘤学
- 人工智能在医学中的应用
背景情况:
- 外部X射线辐射疗法剂量分布可能由于患者的位置,解剖学变化和输送系统限制而不准确.
- 适应性辐射疗法 (ART) 通过重新优化治疗计划来提高精度,但需要快速的图像细分才能实现.
- 快速细分对于常规ART实施至关重要,使个性化治疗,剂量升级和毒性降低成为可能.
研究的目的:
- 开发一种基于点云的快速分段模型,用于前列腺癌 (PCa) 治疗中的骨盆CT扫描.
- 整合新的in-silico数据增强,以增强模型训练和稳定性.
- 展示模型在ART工作流程中实时实施的潜力.
主要方法:
- 开发了一种新的深度学习基于点云的网络,具有基于区域和边界损失的功能,用于准确的器官细分.
- 使用XCAT幻影生成合成3DCT图像以扩展训练数据集的in-silico数据增强.
- 该模型在盆腔CT数据上进行了训练和验证,使用Dice相似系数和与现有方法相比的细分时间评估了性能.
主要成果:
- 点云模型实现了高细分精度 (迪斯系数:膀0.92,前列腺0.89,直肠0.84).
- 分段时间显著减少:比2D FCN快1.8倍,比3D U-Net.Net快11倍.
- 该模型在各种图像中显示出强度,在前列腺细分精度方面表现优于基于voxel的方法.
结论:
- 拟议的点云细分方法更快,并且可以与基于voxel的CT数据算法取得类似或更好的结果.
- 该模型的速度和准确性使其适合整合到ART工作流程中,可能减少临床医生的工作量.
- 这种方法支持高效和个性化的放射治疗,改善癌症治疗结果和患者安全.
