CT引导的CBCT多器官细分使用多通道条件一致性扩散模型用于肺癌放射治疗
Xiaoqian Chen1, Richard L J Qiu2, Shaoyan Pan3
1Department of Radiation Oncology, Winship Cancer Institute, Emory University School of Medicine, Atlanta, GA, 30332, Atlanta, Georgia, 30322, UNITED STATES.
Biomedical physics & engineering express
|May 20, 2025
概括
这项研究引入了一种新的AI模型,即多通道条件一致性扩散模型 (MCCDM),以提高胸部圆束CT图像中风险器官细分的准确性. 该模型提高了适应性放射治疗规划的精度,即使有图像工件.
科学领域:
- 医疗成像医学成像
- 放射疗法是一种放射治疗.
- 人工智能的人工智能
背景情况:
- 对处于危险的器官 (OARs) 的准确细分对于适应性放射治疗至关重要,特别是在使用形束计算断层扫描 (CBCT) 的胸部病例中.
- CBCT图像质量往往会因文物而降低,与计划CT扫描相比,复杂化精确的OAR细分.
研究的目的:
- 开发和评估一种新的多通道条件一致性扩散模型 (MCCDM),以改善胸部CBCT图像中的OAR细分.
- 利用模型的域转移功能,在不同的成像模式中提高分段精度.
主要方法:
- 开发了一种多通道条件一致性扩散模型 (CBCT-MCCDM),与CT图像及其相应的面具一起进行训练,以实现端到端的学习.
- 该模型应用于CBCT图像中的食道,心脏,左肺,右肺和脊髓的细分,这些图像来自接受立体体辐射疗法 (SBRT) 的肺癌患者.
- 定量评估涉及将模型生成的轮与使用Dice相似系数 (DSC),灵敏度,特异性,HD95和MSD的基本真相进行比较.
主要成果:
- 在CBCT-MCCDM实现高平均子相似系数:0.82 (食道),0.88 (心脏),0.95 (左肺),0.96 (右肺) 和0.96 (脊髓).
- 在所有细分的OAR中记录了出色的灵敏度和特异性值,表明了强大的性能.
- 拟议的方法在细分精度方面超过了两种最先进的方法 (仅CBCT和U-Net).
结论:
- 拟议的CBCT-MCCDM有效地提高了胸部CBCT图像中的OAR细分精度,克服了常见的成像工件.
- 该模型显示了在适应性放射治疗中改善剂量验证和在线重新规划的巨大潜力.
- 在医疗成像中,MCCDM的域转移能力为跨模式细分任务提供了一个有前途的方法.
