通过空间时空高斯神经表示的动态圆束CT重建
Yabo Fu1, Hao Zhang1, Weixing Cai1
1Department of Medical Physics, Memorial Sloan Kettering Cancer Center, New York, New York, USA.
Medical physics
|November 4, 2025
概括
这项研究引入了一种新的高斯神经框架,用于从有限的数据中进行高质量的四维形光束计算机断层扫描 (4D-CBCT) 重建. 该方法实现了卓越的几何精度,并保持了运动动态,有望在放射治疗中改善瘤运动评估.
科学领域:
- 医疗成像医学成像
- 放射治疗 物理 物理
- 计算成像技术的成像
背景情况:
- 四维圆束计算断层扫描 (4D-CBCT) 对于评估图像引导放射治疗 (IGRT) 中的瘤运动至关重要.
- 目前的4D-CBCT需要大量的投影数据,导致延长扫描时间和增加患者的辐射剂量.
研究的目的:
- 提出一种新的时空高斯神经表示,用于重建高时空动态CBCT图像.
- 为了从1分钟的获取中实现这一目标,在没有先前的图像或运动模型的情况下保留运动动态和空间细节.
主要方法:
- 使用可微分的4D高斯表示,从平均CBCT图像初始化.
- 一个高斯变形网络预测了变形,以最大限度地减少染和投影损失 (L1,SSIM).
- 适应高斯控制改进了表示,该方法在AAPM SPARE数据集和临床扫描上得到了验证.
主要成果:
- 与AAPM SPARE参与者相比,该框架显示出更高的几何精度 (PTV对齐错误).
- 它在不依赖之前的4DCT或运动模型的情况下实现了可比的RMSE和SSIM.
- 从1分钟的扫描中成功重建了50相CBCT,显示了文物抑制,运动保存和细节恢复.
结论:
- 时空高斯框架提供了一个新的,数据驱动的动态CBCT重建技术.
- 它表现出卓越的几何精度和高时间运动建模能力.
- 这表明了改善瘤运动评估和使用简短扫描的呼吸运动建模的希望.
