DINOMotion:在2D-Cine MRI导向放射治疗中使用DINOv2进行先进的坚固组织运动跟踪

科学领域:

• 医学成像医学成像
• 辐射疗法 辐射疗法
• 人工智能的人工智能是人工智能.

背景情况:

• 精确的2D-CineMRI跟踪对于放射治疗的安全性和有效性至关重要.
• 目前的方法在很大程度上存在错位,并且缺乏可解释性.
• 深度学习为改进运动跟踪提供了潜力.

研究的目的:

• 介绍DINOMotion,这是一个新的深度学习框架,用于稳健,高效和可解释的运动跟踪.
• 提高2D-Cine MRI导向放射治疗中的图像记录准确性和解释性.
• 解决现有的运动跟踪技术的局限性.

主要方法:

• 使用DINOv2开发DINOMotion,并使用低级适应 (LoRA) 层.
• 实现了自动地标检测,以实现最佳的图像记录.
• 利用深度学习直接计算图像注册,避免代优化.

主要成果:

• 获得了高的子得分:92.07% (脏),90.90% (肝脏),95.23% (肺).
• 获得的低豪斯多夫距离:5.47毫米 (脏),8.31毫米 (肝脏),6.72毫米 (肺).
• 已经证明了实时处理 (大约. 每次扫描30毫秒) 和卓越的性能,特别是在大型失调的情况下.

结论:

• DINOMotion为实时运动跟踪提供了强大,高效和可解释的解决方案.
• 该框架显著提高了2D-CineMRI导向放射治疗中错位的准确性和处理.
• DINOMotion显示出提高治疗结果和安全性的潜力.