在1.5 T磁共振成像中实时定位目标,使用转移学习来使用linac直角电影图像
Yiling Wang1, Elia Lombardo2, Jie Wang1
1Department of Radiation Oncology, Radiation Oncology Key Laboratory of Sichuan Province, Sichuan Clinical Research Center for Cancer, Sichuan Cancer Hospital & Institute, Sichuan Cancer Center, University of Electronic Science and Technology of China, Chengdu, China.
Physics and imaging in radiation oncology
|June 17, 2025
概括
在1.5T系统上测试了0.35T MRI-linac的深度学习瘤跟踪模型. 特定于患者的转移学习显著提高了瘤跟踪的准确性,实现了与专家临床医生可比的性能.
科学领域:
- 医学物理 医学物理
- 放射治疗技术的辐射疗法技术
- 医学中的人工智能
背景情况:
- 在MRI导向放射治疗中实时追踪瘤的深度学习模型正在开发中.
- 调查不同MRI强度 (0.35T至1.5T) 和成像平面的模型可转移性对于临床应用至关重要.
研究的目的:
- 评估一个深度学习瘤跟踪模型,该模型是为0.35T MRI-linac sagittal cine-MRI在1.5T交叉直角 cine-MRI系统上开发的.
- 实施和评估转移学习策略,以提高1.5T系统上的模型性能.
主要方法:
- 一个基于变压器的变形模型,最初在0.35TMRI-linac数据上训练,被评估为基线 (BL).
- 患者特异型 (PS) 模型使用从BL模型的转移学习在3600个MRI影像上训练了24名患者,这些患者接受1.5TMRI-linac.
- 性能被评估使用子相似系数 (DSC),表面距离 (SD50%,SD95%) 和负雅可比式决定量 (NegJ).
主要成果:
- 基线模型 (BL) 在1.5T系统上实现了0.85的DSC,1.9mm的SD50%,5.9mm的SD95%和0.45%的NegJ.
- 针对患者的模型显著优于BL模型,最好的PS模型实现了0.90的DSC,1.3mm的SD50%,3.9mm的SD95%和0.02%的NegJ.
结论:
- 0.35T的瘤跟踪模型并不直接适用于1.5T交联直角的影像MRI系统.
- 特定于患者的转移学习有效地提高了瘤跟踪性能,达到与观察者间变异性相比的准确度水平.
