相关实验视频
Updated: Sep 13, 2025

04:48
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
Published on: July 5, 2024
523
从CBCT中增强合成骨盆CT生成,使用视觉转换器与自适应的福里埃神经操作员
Rashmi Bhaskara1, Oluwaseyi Oderinde1,2
1Advanced Molecular Imaging in Radiotherapy (AdMIRe) Research Laboratory, School of Health Sciences, Purdue University, West Lafayette, IN, 47907, United States of America.
Biomedical physics & engineering express
|July 28, 2025
概括
这项研究引入了一种使用CycleGAN,视觉转换器和自适应里埃神经操作器的新方法,以提高形光束CT图像质量,以改善前列腺癌放射治疗.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 辐射疗法 辐射疗法
背景情况:
- 圆束CT (CBCT) 图像质量是放射治疗的一个局限性.
- 准确的成像对于有效的治疗规划和治疗至关重要.
研究的目的:
- 开发一种使用CycleGAN,视觉变压器 (ViT) 和自适应里埃神经操作器 (AFNO) 的合成CT (sCT) 生成方法,以提高CBCT图像质量.
- 增强前列腺癌患者适应性放射治疗计划.
主要方法:
- 使用了20名前列腺癌患者的数据集,并配对了CBCT和计划CT (pCT) 图像.
- 预处理的图像经过注册,重新抽样和正常化.
- 一个CycleGAN模型集成了一个UNet生成器,并与ViT和AFNO进行了增强,用于Fourier域中的注意力机制.
主要成果:
- 拟议的模型显著改善了解剖细节的保存和复杂的图像依赖性捕获.
- AFNO有效地处理了全球图像信息,并适应了患者间的变化.
- 实现了高性能,MAE为9.71,PSNR为37.08dB,SSIM为0.97和NCC为0.99. 这一数字为9.71的MAE,PSNR为37.08dB,SSIM为0.97和NCC为0.99.
结论:
- 与AFNO集成的CycleGAN框架有效地解决了CBCT图像质量限制.
- 生成的sCTs有助于适应性放射治疗的规划,使得根据瘤反应进行剂量调整.
- 这种方法显示了改善瘤向,适应性放射治疗和临床决策的潜力.

