通过使用深度学习,在X射线指导干预中快速计算手术室的散射辐射

科学领域:

• 医学物理 医学物理
• 放射性成像学成像学
• 医疗保健中的人工智能

背景情况:

• 医务人员在X射线过程中面临分散电离辐射的风险.
• 由于X射线的无形性和当前剂量计的局限性,准确的实时监测辐射暴露仍然是一个挑战.

研究的目的:

• 开发和验证一个实时系统,用于估计在手术室的三维 (3D) 散射辐射.
• 通过提供准确的辐射暴露地图来提高医疗保健专业人员的安全.

主要方法:

• 将蒙特卡罗 (MC) 模拟与深度学习 (DL) 结合起来,创建一个神经网络.
• 训练神经网络以根据患者形态和成像参数预测辐射图.
• 利用现代GPU进行3D辐射图的高效计算.

主要成果:

• 该系统在11毫秒内实现了3D辐射地图的实时计算.
• 验证显示,与MC模拟相比,平均绝对百分比误差为10.97%.
• 计算器官剂量,全球平均误差为8.2 ± 4.1%.

结论:

• 集成MC模拟和DL提供了一个强大而高效的解决方案,用于实时分散辐射估计.
• 这种方法显著提高了在干预过程中保护医务人员免受有害辐射的能力.