混合GPU蒙特卡罗软件工具包,用于快速准确的形光束CT模拟
Jericho O'Connell1, Matthew Jacobson1, Thomas Harris1
1Dana Farber Cancer Institute, Brigham and Women's Hospital, and Harvard Medical School, Boston, Massachusetts, USA.
Medical physics
|August 9, 2025
概括
GECCO软件工具包通过使用混合GPU-蒙特卡洛方法加速束CT (CBCT) 模拟,以提高准确性和速度. 它的应用程序能够更快地生成机器学习数据集,并为放射治疗师实时成像技术选择.
科学领域:
- 医学物理 医学物理
- 计算成像技术的成像
- 辐射瘤学 辐射瘤学
背景情况:
- 圆束CT (CBCT) 对于临床决策越来越重要,需要更快,更准确的模拟工具.
- 在CBCT技术和算法的进步需要复杂的模拟能力.
研究的目的:
- 开发GECCO,一种混合GPU-蒙特卡洛 (MC) 软件工具包,旨在提高CBCT模拟的速度和准确性.
- 介绍两个应用程序:GECCO用于快速CT转换为CBCT和RTIS用于实时CBCT图像模拟.
主要方法:
- 该GECCO应用程序结合了分析初级投影计算与GPU-MC进行散射模拟,优化了Fastcat工具包.
- 使用修改后的GGEMs GPU-MC,扩散模拟得到了增强,并进行denoising和插值以减少计算负载.
- 该RTIS应用程序采用纯粹的分析方法来实现最大速度,模拟单个CT切片以实现动态的实时更新.
主要成果:
- 在63分钟内,GECCO在NVIDIA 4090 GPU上模拟了915个全分辨率的中枢神经系统患者CBCT投影.
- 与TrueBeam OBI相比,GECCO证明了Catphan传感度模块的RMSE为5.7 HU.与TrueBeam OBI相比,Catphan传感度模块的RMSE为5.7 HU.
- RTIS实现了初始化和更新时间分别为917毫秒和36毫秒,比现有方法快了数量级,中枢神经系统患者个人资料的RMSE为14-16 HU.
结论:
- 包含GECCO和RTIS应用程序的GECCO软件工具包在CBCT模拟方面取得了重大进展.
- GECCO应用程序有助于创建高质量的数据集,用于医学成像中的机器学习.
- RTIS应用程序可以实时选择成像技术,使放射治疗师受益.


