基于GAN的自学合成CT生成:解锁基于CBCT的自适应性放射治疗
Jessica Prunaretty1, Lorenzo Colombo2, Sami Romdhani3
1Department of Radiation Oncology, Institut du Cancer de Montpellier, Montpellier, France.
Frontiers in oncology
|March 9, 2026
概括
人工智能从CBCT扫描中生成合成CT (sCT) 图像,提高图像质量和剂量计准确性,用于在多个癌症部位进行自适应性放射治疗. 这种人工智能驱动的方法增强了CBCT.
科学领域:
- 医疗成像医学成像
- 放射治疗 物理 物理
- 人工智能在医学中的应用
背景情况:
- 圆束CT (CBCT) 用于放射治疗中的患者定位.
- 目前的CBCT图像质量限制了其适应性放射治疗的全部潜力.
- 从CBCT开发合成CT (sCT) 可以改善治疗规划和治疗.
研究的目的:
- 从多中心CBCT扫描中临床评估人工智能生成的合成CT (sCT) 图像.
- 评估使用sCT用于各种癌症类型的适应性放射治疗的可行性.
- 为了利用CBCT数据改善放射治疗工作流程.
主要方法:
- 使用循环GAN架构的基于AI的sCT模型被开发用于多个解剖部位.
- 来自两个机构的51名头癌,肺癌,骨盆癌或乳腺癌患者被纳入.
- 图像精度 (MAE,SSIM,PSNR) 和剂量测量评估 (马通过率,剂量-体积指标) 进行.
主要成果:
- 人工智能模型显著提高了图像质量:MAE下降,SSIM和PSNR增加.
- 剂量测量比较显示sCT和计划CT (pCT) 之间存在很强的一致性.
- 在所有部位的临床标准中,马度的中位数达到100%.
结论:
- 来自CBCT的AI生成的sCT可用于多个解剖部位.
- 该方法提供了持续的图像质量改进和可靠的剂量计准确性.
- 这种方法支持CBCT在适应性放射治疗中的临床应用.
更多相关视频
07:57Positron Emission Tomography-based Dose Painting Radiation Therapy in a Glioblastoma Rat Model using the Small Animal Radiation Research Platform
Published on: March 24, 2022
3.3K
08:54Treatment of Liver Metastases Using an Internal Target Volume Method for Stereotactic Body Radiotherapy
Published on: May 8, 2018
15.1K
