深度学习用于放射治疗中的CT合成
Yike Guo1, Yi Luo1, Hamed Hooshangnejad1,2
1Department of Biomedical Engineering, Johns Hopkins University, Baltimore, MD 21287, USA.
Bioengineering (Basel, Switzerland)
|December 30, 2025
概括
人工智能 (AI) 深度学习 (DL) 方法正在通过生成合成CT (sCT) 图像来彻底改变放射瘤学. 这项技术增强了图像引导的自适应性放射治疗和无模拟的工作流程,改善了患者的护理.
科学领域:
- 辐射疗法 辐射疗法
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 深度学习 (DL) 方法越来越多地被整合到辐射瘤学中.
- 合成计算机断层扫描 (sCT) 图像生成是一个关键的兴趣领域.
- sCT支持先进的临床场景,如图像引导适应性放射治疗 (IGART) 和无模拟工作流.
研究的目的:
- 在放射治疗中提供基于DL的sCT合成的全面审查.
- 讨论各种成像模式的临床应用.
- 检查DL模型架构和培训策略.
主要方法:
- 关于基于DL的sCT合成的最近研究的综述.
- 对卷积神经网络 (CNN) 和生成对抗网络 (GAN) 的分析.
- 检查多模式成像输入 (CBCT,MRI,诊断CT).
主要成果:
- 基于DL的sCT合成在多个临床应用中显示出显著的潜力.
- 包括CNN和GAN在内的各种DL架构对于sCT生成是有效的.
- 新兴的培训策略正在提高sCT的质量和临床适用性.
结论:
- 人工智能驱动的sCT生成可以减少成像负担,并提高放射治疗中的剂量准确性.
- 通过sCT加速工作流效率有潜力显著改善患者治疗结果.
- 需要进一步的研究来解决DL算法的临床翻译方面的挑战.


