从碳离子放射治疗中腹部部位的4DMRI中合成的深度学习4DCT
Anestis Nakas1, Maksym Hladchuk1, Giovanni Parrella1
1Department of Electronics, Information and Bioengineering, Politecnico di Milano, Milan, Italy.
概括
深度学习可以从4DMRI生成合成4DCT (4D-sCT),用于腹部碳离子放射治疗 (CIRT). 这种方法显示了通过从4DMRI数据创建准确的4D-sCT来改善治疗计划的潜力.
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:
- 四维计算机断层扫描 (4DCT) 对于运动感知放射治疗规划至关重要.
- 获得4DCT和4D磁共振成像 (4DMRI) 都可能是具有挑战性的.
- 合成CT (sCT) 生成旨在从其他模式创建CT数据.
研究的目的:
- 评估从4DMRI数据生成合成4DCT (4D-sCT) 的可行性.
- 对腹部碳离子放射治疗 (CIRT) 患者评估这种深度学习方法.
主要方法:
- 一个有条件的生成对抗网络 (cGAN) 被训练使用26名患者的T1加权4DMRI和4DCT卷.
- 4D-sCT数据是使用三通道细分方法 (空气,骨,软组织) 生成的.
- 该模型在4D计算幻影上得到验证,并对6名独立患者进行了测试,比较了基于4DCT和仅基于4DMRI的场景.
主要成果:
- 基于4DCT的方法显示了准确的表示 (MAE: 50.64-51.29 HU) 具有高的马传递率 (~97%).
- 仅使用4DMRI的方法产生了更高的MAE (81.15-90.22 HU),但对GTV/CTV (D95%) 保持了临床剂量耐受性.
- 幻影验证显示相似度指标与文献一致,剂量体积组图值低于0.9%.
结论:
- 从4DMRI进行基于深度学习的4D-sCT生成是可行的.
- 这种技术有望支持腹部瘤的CIRT治疗计划.
- 只有4DMRI的场景表明,减少对4DCT收购的依赖的潜力.


