基于非静止变压器的模型,用于预测交叉的二维电影磁共振成像中的肝脏运动
Suzune Shimizu1, Masato Tsuneda2, Kota Abe2
1Graduate School of Science and Engineering, Chiba University, Chiba, Japan.
Medical physics
|December 29, 2025
概括
一个新的非静止变压器 (NsTransformers) 模型准确地预测了磁共振 (MR) 引导的在线自适应性辐射疗法 (MRgOART) 的肝脏运动. 这种模型可以弥补系统延迟,提高多叶合仪 (MLC) 在处理过程中跟踪的精度.
科学领域:
- 医学物理 医学物理
- 辐射瘤学 辐射瘤学
- 医学中的人工智能.
背景情况:
- 磁共振 (MR) 引导的在线自适应性辐射疗法 (MRgOART) 能够实现日常计划的调整和实时运动管理.
- 在MRgOART期间的多叶合仪 (MLC) 追踪中,大约300毫秒的延迟可能会损害治疗的准确性.
- 呼吸诱导肝脏运动的预测模型对于补偿系统延迟和实现精确的MLC跟踪至关重要.
研究的目的:
- 使用非静止变压器 (NsTransformers) 和电影MRI图像开发呼吸运动预测模型.
- 评估模型的性能与iTransformers,biLSTM-ATT,LSTM和线性回归模型相比.
- 评估 NsTransformers 在 MRgOART 中实时临床应用的潜力.
主要方法:
- 包括17名接受MRgOART治疗的肝癌患者.
- 用基于强度的可变形图像注册来定义肝脏运动,分析了冠状和角膜MRI图像.
- 应用了数据增强技术,并训练了NsTransformers以预测200,400和600毫秒间隔的未来肝脏位置.
主要成果:
- NsTransformers模型在所有预测间隔 (p <0.05) 中在预测准确度方面显著超过了所有比较模型.
- NsTransformers实现了更高的根平均平方误差 (RMSE) 和更高的基于边际的准确性.
- 该模型的计算时间为每预测约5毫秒,适合实时应用,尽管准确性随着呼吸运动不规则而降低.
结论:
- 一个基于NsTransformers的新型模型有效地从交叉的电影MRI图像中预测呼吸诱导的肝脏运动.
- 与现有方法相比,开发的模型显示出更高的预测准确性.
- 这种NsTransformers模型对缓解MRgOART MLC跟踪中的延迟问题具有显著的希望.
