检索结果-南通市图书馆

中华放射医学与防护杂志 2021年第3期41卷 222-228页

作者：孙鸿飞倪昕晔杨建华西北工业大学自动化学院西安710072 南京医科大学附属常州第二人民医院放疗科南京医科大学医学物理研究中心 213003

随着医学图像合成任务复杂度的提高和对临床放疗精度的需求,深度学习算法在伪ct图像合成与分析中的角色越发重要。本文根据图像的模态种类对基于深度学习方法下的伪ct图像合成技术进行归类与分析,并介绍其在放疗应用中的最新进展。

关键词：深度学习伪ct 图像引导放疗

一种基于互信息对比学习由磁共振成像生成头部伪ct图像的方法

在线全文

学校读者我要写书评

暂无评论

中华放射医学与防护杂志 2022年第2期42卷 95-102页

作者：王江涛吴新红闫冰朱磊杨益东中国科学技术大学工程与应用物理系合肥230026 中国科学技术大学附属第一医院肿瘤放疗科合肥230001

目的比较不同神经网络由磁共振成像(MRI)图像生成伪ct图像的本领,探讨伪ct用于临床放疗计划的可行性。方法选取29例同时具有计划ct和诊断MRI的脑癌患者,23例用于训练,6例用于测试。分别采用循环生成对抗网络(cycleGAN)、对比学习非配对... 详细信息

目的比较不同神经网络由磁共振成像(MRI)图像生成伪ct图像的本领,探讨伪ct用于临床放疗计划的可行性。方法选取29例同时具有计划ct和诊断MRI的脑癌患者,23例用于训练,6例用于测试。分别采用循环生成对抗网络(cycleGAN)、对比学习非配对图像转换网络(CUT)以及本研究提出的改进网络denseCUT由MRI生成伪ct,并将伪ct导入治疗计划系统中验证其用于放疗计划的可行性。结果CycleGAN、CUT和denseCUT生成的伪ct与真实ct之间的平均绝对误差分别为(72.0±6.9)、(72.5±8.0)和(64.6±7.3)HU,结构相似性分别为0.91±0.01、0.91±0.01和0.93±0.01,峰值信噪比分别为(28.5±0.7)、(28.5±0.7)和(29.5±0.7)dB,放疗计划剂量计算γ通过率(2%/2 mm)分别为98.05%、97.92%、98.31%。结论denseCUT能更准确地生成伪ct,伪ct能满足调强放疗计划剂量计算的需求。

关键词：磁共振成像对比学习伪ct

在线全文

学校读者我要写书评

暂无评论

锥形束ct生成伪ct的深度学习方法

中华放射肿瘤学杂志 2023年第1期32卷 42-47页

作者：刘宇翔杨碧凝魏然刘跃平陈辛元熊锐门阔全红戴建荣武汉大学物理科学与技术学院武汉430072 国家癌症中心/国家肿瘤临床医学研究中心/中国医学科学院北京协和医学院肿瘤医院放疗科北京100021

目的针对前列腺癌放疗,研究锥形束ct(CBct)生成伪ct的深度学习方法,以满足自适应放疗的需要。方法纳入瓦里安On-Board Imager采集的74例前列腺癌患者的CBct图像及其模拟定位ct图像,并使用MIM软件进行形变配准。将数据按简单随机法分为... 详细信息

目的针对前列腺癌放疗,研究锥形束ct(CBct)生成伪ct的深度学习方法,以满足自适应放疗的需要。方法纳入瓦里安On-Board Imager采集的74例前列腺癌患者的CBct图像及其模拟定位ct图像,并使用MIM软件进行形变配准。将数据按简单随机法分为训练集(59例)和测试集(15例)。使用U-net、Pix2PixGAN和CycleGAN学习CBct到模拟定位ct的映射。以形变配准后ct作为参考图像,评价平均绝对误差(MAE)、结构相似指数(SSIM)和峰值信噪比(PSNR)。另外单独分析了图像质量,包括软组织分辨率、图像噪声和伪影等。结果使用U-net、Pix2PixGAN和CycleGAN生成图像的MAE分别为(29.4±16.1)、(37.1±14.4)、(34.3±17.3)HU。在图像质量方面,U-net和Pix2PixGAN生成的图像存在过度模糊的问题,导致了图像失真;而CycleGAN生成的图像保留了CBct图像结构且改善了图像质量。结论CycleGAN能有效地提高CBct图像质量,有更大的潜力应用于自适应放疗中。

关键词：锥形束ct 深度学习前列腺肿瘤伪ct 自适应放射疗法

基于循环一致性生成对抗网络的盆腔伪ct生成方法

在线全文

学校读者我要写书评

暂无评论

中国医学物理学杂志 2021年第1期38卷 21-29页

作者：吴香奕曹锋曹瑞芬吴茜董江宁徐榭裴曦中国科学技术大学物理学院工程与应用物理系安徽合肥230025 中国科学技术大学第一附属医院影像科安徽合肥230001 安徽大学计算机科学与技术学院安徽合肥230601 安徽医科大学人文医学院安徽合肥230032 安徽慧软科技有限公司安徽合肥230088

目的:基于循环一致性生成对抗网络(CycleGAN),利用非配对患者盆腔部位数据,实现MRI和ct图像之间的相互转换,并对基于该模型生成的盆腔伪ct(sct)进行精度和剂量性能的评估。方法:该CycleGAN网络包含两个生成器和两个判别器。先基于全卷... 详细信息

目的:基于循环一致性生成对抗网络(CycleGAN),利用非配对患者盆腔部位数据,实现MRI和ct图像之间的相互转换,并对基于该模型生成的盆腔伪ct(sct)进行精度和剂量性能的评估。方法:该CycleGAN网络包含两个生成器和两个判别器。先基于全卷积网络(FCNs)构建两个生成器,一个将2D盆腔MRI转换为2D盆腔sct图像,另一个将ct图像转换为伪MRI(sMRI)图像。再基于FCNs构建两个判别器,用于对真实图像和生成的伪图像进行判别,提升生成图像的质量。为保证sct图像与MRI图像的一致性,引入归一化互信息作为相似性约束损失项,对模型进行改进。训练集包括35例患者盆腔部位的T1-MRI图像和另外36例患者盆腔部位的ct图像,测试集包括10例盆腔部位患者的MRI和ct图像,评估方法包括sct与ct图像的误差和放疗剂量伽马通过率。结果:对于测试集中所有病例,生成的sct与真实ct图像之间的平均绝对误差(MAE)为35.537(±4.537)HU;基于体素的平均剂量差异最大为0.49%;以3%/3 mm、2%/2 mm和1%/1 mm为标准的平均伽马通过率分别高于99%、98%和95%。结论:使用CycleGAN网络和非配对患者训练数据可以生成准确且符合临床剂量精度要求的盆腔部位sct图像。

关键词：伪ct 非配对盆腔磁共振成像循环一致性生成对抗网络

基于分段B样条形变配准方法的头颈部伪ct生成研究

在线全文

学校读者我要写书评

暂无评论

中国医学物理学杂志 2022年第1期39卷 44-50页

作者：陈丽霞亓孟科宋婷卢广文南方医科大学生物医学工程学院广东广州510515

目的:探讨分段B样条形变配准方法在头颈部伪ct(sct)生成中的应用,以及对sct生成精度的影响。方法:收集已经进行调强放射治疗的鼻咽癌患者45例,每例计划均包括头颈部T1加权核磁共振成像(MRI)和ct图像。使用3D Slicer软件对MRI和ct图像分... 详细信息

目的:探讨分段B样条形变配准方法在头颈部伪ct(sct)生成中的应用,以及对sct生成精度的影响。方法:收集已经进行调强放射治疗的鼻咽癌患者45例,每例计划均包括头颈部T1加权核磁共振成像(MRI)和ct图像。使用3D Slicer软件对MRI和ct图像分别进行分段B样条形变配准、整体B样条形变配准、分段刚性配准和整体刚性配准4种方法配准,比较配准后的MRI图像和真实ct图像的Dice相似性系数(DSC)值。随机选取其中的30例患者作为训练集,15例患者为测试集,将配准后的MRI和ct图像通过pix2pix网络进行模型训练生成sct,对生成的sct和真实ct进行平均绝对误差(MAE)、结构相似性系数(SSIM)和峰值信噪比(PSNR)值的比较,分析通过阈值法分割为不同组织(骨头、软组织、空气和脂肪)的MAE值。结果:配准后的MRI和真实ct图像比较,分段B样条形变配准方法的DSC值最优;使用4种配准方法生成的sct和真实ct图像进行MAE、SSIM和PSNR值比较,分段配准方法比整体配准方法好,B样条形变配准方法比刚性配准方法好。分段B样条形变配准方法的MAE值为(74.783±9.869)HU,SSIM值为0.839±0.032,PSNR值为(28.859±0.957)dB,均比其余几种配准方法好。分段B样条形变配准方法在骨头、软组织和脂肪区域的MAE值较好,但是在空气区域的MAE值较刚性配准方法稍差。结论:分段B样条形变配准方法在头颈部sct生成精度优于整体和刚性配准方法,该方法可以改善头颈部图像的配准精度,从而改善sct的生成精度。

关键词：分段B样条形变配准方法头颈部伪ct Dice相似性系数平均绝对误差

基于分段B样条形变配准方法的头颈部伪ct生成研究

在线全文

学校读者我要写书评

暂无评论

基于分段B样条形变配准方法的头颈部伪CT生成研究

作者：陈丽霞南方医科大学

学位级别：硕士

核磁共振成像(MRI)和电子计算机断层扫描(ct)是目前放射治疗中需要用到的两种医学图像。在传统放疗中,肿瘤患者常常需要分别采集ct和MRI图像,使用两种图像融合来进行靶区及危及器官的勾画,ct和MRI的配准融合存在引入系统误差等弊端。因... 详细信息

核磁共振成像(MRI)和电子计算机断层扫描(ct)是目前放射治疗中需要用到的两种医学图像。在传统放疗中,肿瘤患者常常需要分别采集ct和MRI图像,使用两种图像融合来进行靶区及危及器官的勾画,ct和MRI的配准融合存在引入系统误差等弊端。因此放疗领域提出仅-MRI放疗,就是在放疗的整个流程中,只采集MRI图像作为剂量计算的唯一来源图像,通过MRI图像生成得到合成ct图像,也称为伪ct(sct),来替代ct进行剂量计算。基于配对方法的sct生成是目前主流研究方法,与非配对方法相比,加入监督引导等信息,使生成的图像更加“可控”。图像配准是sct生成过程中图像处理的关键,但是当前针对配准方法对sct生成精度影响研究较少,此外,头颈部图像在颈部容易出现变形,包括头颈肩在内整体的图像采用刚性配准无法完美匹配MRI和ct图像。B样条形变配准是目前应用较广的非刚性变换方法,而研究证明分段配准方法可以有效改善头颈部图像的配准精度。因此,本课题针对分段B样条形变配准方法在头颈部sct合成精度方面展开研究。论文系统回顾了头颈部sct合成方法及配准方法的定义、分类、应用场景等,重点介绍了目前最流行的基于生成对抗网络的合成方法,探讨B样条形变配准方法对头颈部sct生成精度的影响。论文第一部分为图像预处理,探讨B样条形变配准、刚性配准等方法的图像配准精度。“pix2pix”网络有着严格的图像配对要求,收集已经进行调强放射治疗的鼻咽癌45例患者的头颈部T1加权MRI和ct图像,随机选取其中的30例和15例分别做为训练集和测试集,配准方法主要研究的是分段B样条形变配准方法,为了对比结果引入整体刚性、分段刚性和整体B样条形变配准方法,对软组织DSC值进行预判,结果表明,分段B样条形变配准方法的DSC值最优。论文第二部分主要对模型进行验证和sct评价,4种配准方法均较好地生成了 sct,ct图像的基本属实和组织结构等都较好地保留下来。而分段B样条形变配准方法的平均绝对误差(MAE)是(74.783±9.869)HU,结构相似性系数是0.839±0.032,峰值信噪比是(28.859±0.957)dB,数值均比其他配准方法好。分段B样条形变配准方法较其他方法在骨头、软组织和脂肪等分界处保留了更多的图像细节信息,精确度最高。分段B样条形变配准方法在骨头、软组织和脂肪区域的MAE值较好,但是在空气区域的MAE值较刚性配准方法稍差。综上所述,基于分段B样条形变配准方法在头颈部sct生成精度优于整体和刚性配准方法,该方法可以改善头颈部图像的配准精度,从而改善sct的生成精度。

关键词：伪ct 核磁共振成像电子计算机断层扫描头颈部分段B样条形变配准方法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于MRI生成伪ct的预测算法研究

基于MRI生成伪CT的预测算法研究

作者：菅影超天津医科大学

学位级别：硕士

放射治疗作为肿瘤治疗的方法之一,其主要利用放射线杀死肿瘤,而随着技术的不断提高,放射治疗从最初的全身放射治疗到适形放射治疗,再发展到图像引导放射治疗(IGRT)。IGRT依据图像克服因摆位和肿瘤移动所造成的误差,目前,计算机断层成像(... 详细信息

放射治疗作为肿瘤治疗的方法之一,其主要利用放射线杀死肿瘤,而随着技术的不断提高,放射治疗从最初的全身放射治疗到适形放射治疗,再发展到图像引导放射治疗(IGRT)。IGRT依据图像克服因摆位和肿瘤移动所造成的误差,目前,计算机断层成像(ct)作为放射治疗过程中的基准图像,医生可以根据其勾画临床靶区(ctV)、计划靶区(PTV)以及危及器官(OAR)。还可以根据ct得到组织的电子密度值(ED),用于后期的剂量计算。虽然ct的图像质量空间分辨率高,操作简单快捷,但是其低对比度密度分辨率较低,从而限制了肿瘤的轮廓信息,患者还会受到电离辐射。相比ct,磁共振成像(MRI)不仅提供了优越的软组织对比度,而且拥有多种序列图像,医生可根据不同的序列图像对各组织或器官进行区分,常与ct共同应用于放射治疗,主要用于靶区与OAR的勾画。考虑到ct电离辐射影响患者健康、同时扫描两者增加患者经济负担、两者配准融合过程引入误差等弊端,仅使用MRI受到越来越多研究者的关注。然而,MRI与ED无关,不能直接用于后期的剂量计算以及基于X光的患者定位,需要应用相关算法根据MRI获得电子密度信息或者HU值,即生成伪ct(pct)。近年来有很多专家学者研究基于MRI的ct图像的转换,比如基于组织分割法、基于图谱法、2D深度卷积神经网络(2D-DCNN)。组织分割的方法比较费时费力,而且在空气与骨骼的连接处误差较大。基于图谱的方法虽然相对提高了预测的准确性,但是存在较大部分的骨骼与空气的误转换问题,并且该方法对配准的要求较高。2D-DCNN将深度学习与神经网络结合,采用端到端的学习方式,依据训练模型预测结果,虽然该方法提高了骨骼与空气处的误差,但是其只应用了图像的层内特征,从而造成预测结果有较严重的误转换问题,而且还存在较严重的伪影,所以需要进一步改善。本研究提出了一种基于卷积神经网络和长短期记忆网络级联的网络(CNN-LSTM)和基于3D的深度卷积神经网络(3D-DCNN),将图像层与层之间的关系联系起来。CNN-LSTM将CNN与循环神经网络(RNN)级联,CNN部分采用U-net网络的下采样层,通过多个3ⅹ3的卷积核对图像进行特征提取,卷积之后的池化层起到二次提取特征的作用,获得具有空间不变性的特征。几次反复卷积池化处理,将输出作为RNN的输入,由于常规的RNN无法很好的处理信息长期依赖问题,我们采用LSTM提取相邻图像层之间的信息。采用MAE作为损失函数,对所得误差应用Adam随机优化函数进行反向传播,进一步对参数优化处理,直至获得最小预测误差。基于3D网络模型可以看作是一个复杂的3D数据端到端的映射函数,主要分为上采样和下采样。上采样主要是采用多次卷积层、池化层轮替的网络结构学习MRI和ct之间的关系;下采样主要采用反卷积、反池化操作进行逆运算。卷积过程中的上万个乃至上百万个参数主要用来提取特征,比如边缘、线条、角落,随着卷积层层数的增加,所提取的特征也越来越高级,但是这并不代表越多的卷积层就会有助于网络的训练,它还受到卷积核的大小和特征面数目的影响。在训练过程中,这些参数随着预测误差不断优化,本文使用MAE度量网络的输出预测值与真实值之间的误差,使用Adam优化函数进行参数的优化处理,直到获得最小误差。一旦模型训练完成,就会依据学习的参数进行结果的预测。本研究采集了13例Cyber Knife治疗的头部脑瘤患者的ct与MRI数据,通过回顾性离线分析,对基于组织分割法、基于图谱法、2D-DCNN、CNN-LSTM、3D-DCNN五种预测算法进行对照比较。通过实验表明,本文提出的CNN-LSTM和3D-DCNN的平均绝对误差(MAE)、均方根误差(RMSE)、配准误差、结构相似度(SSIM)和骨骼的DSC优于其他三种方法。其中3D-DCNN算法的准确性与鲁棒性都优于其他方法,能更准确的得到pct。

关键词：放射治疗电子密度伪ct 基于组织分割图谱深度卷积神经网络卷积神经网络-长短期记忆网络

基于配准对抗神经网络的RegGAN模型将CBct图像转换为伪ct用于鼻咽癌自适应放疗可行性的研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于配准对抗神经网络的RegGAN模型将CBCT图像转换为伪CT用于鼻咽...

作者：刘培右江民族医学院

学位级别：硕士

目的:本研究应用基于配准对抗神经网络的Reg GAN模型将CBct图像转换为伪ct图像,并在伪ct图像上进行放疗剂量分布对照分析,探究伪ct在鼻咽癌（nasopharyngeal carcinoma,NPC）自适应放疗（adaptive radiation therapy,ART）中的可行性。... 详细信息

目的:本研究应用基于配准对抗神经网络的Reg GAN模型将CBct图像转换为伪ct图像,并在伪ct图像上进行放疗剂量分布对照分析,探究伪ct在鼻咽癌（nasopharyngeal carcinoma,NPC）自适应放疗（adaptive radiation therapy,ART）中的可行性。方法:（1）采集78例鼻咽癌患者第1次用于图像引导放疗的CBct图像和计划ct图像,其中47例作为训练集,13例作为测试集,18例用于剂量评估。建立基于配准对抗神经网络的Reg GAN模型,将CBct图像转换为伪ct图像。选用Pix2Pix模型和Cycle-consistency模型作为参考模型,在相同训练集上进行模型训练后使用同组测试集进行图像转换。比较利用3种模型转换的ct图像的平均绝对误差（MAE）、峰值信噪比（PSNR）和结构相似性（SSIN）,评估基于配准对抗神经网络的Reg GAN模型产生的伪ct图像质量,（2）将18例患者的计划ct勾画的靶区及剂量映射到CBct图像和伪ct图像,通过剂量-体积直方图（dose-volume histogram,DVH）,观察靶区及危及器官（organs at risk,,OARs）剂量学差异。结果:（1）在测试集上Reg GAN模型转换图像具有更多的纹理信息。与Pix2Pix模型和Cycle-consistency模型想对比,Reg GAN模型MAE最小,PSNR和SSIM最大（均P＜0.05）。（2）与真实ct对比,CBct和伪ct平均DVH剂量度量差异分别是（0.50%±2.61%）和（0.33%±1.38%）,在靶区及危及器官剂量学差异上也具有优势,鼻咽癌放疗过程中原计划ct剂量与伪ct形成的合成计划剂量基本相似。结论:在鼻咽癌的放射治疗中,采用Reg GAN模型将CBct图像生成的伪ct图像具有较高的图像质量,可以作为鼻咽癌自适应放疗的参考图像并且初步可用于剂量评估。应用Reg GAN模型转换伪ct图像的鼻咽癌自适应放疗,既保证了可以更好的控制靶区的放射剂量,同时降低了危及器官的累积照射剂量,在自适应放疗中具有可行性。

关键词： RegGAN模型伪ct 深度学习鼻咽癌自适应放疗

基于形变配准和伪ct的鼻咽癌自适应放疗剂量评估

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中国医学物理学杂志 2019年第8期36卷 892-897页

作者：周琼李永武王奇施国志庞晓燕周勤煊浙江大学医学院附属邵逸夫医院

目的:基于形变配准千伏级锥形束ct(kV CBct)生成的伪ct图像,探讨了鼻咽癌自适应放疗的优势和重要性。方法:选取10例鼻咽癌患者1套定位ct图像和每周的摆位验证kV CBct图像,采用Velocity软件形变配准生成6套伪ct。定位图像ct0上制定的Arc... 详细信息

目的:基于形变配准千伏级锥形束ct(kV CBct)生成的伪ct图像,探讨了鼻咽癌自适应放疗的优势和重要性。方法:选取10例鼻咽癌患者1套定位ct图像和每周的摆位验证kV CBct图像,采用Velocity软件形变配准生成6套伪ct。定位图像ct0上制定的Arc计划Plan0分别复制到6套伪ct上:A组方案是不改变参数直接计算最终剂量;B组方案是重新优化设计计算剂量。A、B两组各6次计划的剂量分别形变配准累积到ct0上得到累积剂量Dose_actual和Dose_replan。比较A组、B组和原计划每周肿瘤靶区和危及器官体积以及累积剂量的变化。结果:10例患者PGTVnx、GTVnd、PTV、左右腮腺体积退缩比率为3.81%±7.67%、11.45%±9.89%、3.50%±2.50%、23.67%±7.39%、24.18%±6.69%。A组方案的靶区PGTVnx、GTVnd、PTV D95剂量比原计划平均每周分别下降了0.946、1.054、0.809、0.848、1.426、0.799 Gy,1.407、1.501、1.627、1.236、2.028、1.373 Gy,2.330、3.419、3.938、2.696、4.213、2.574 Gy。B组计划与原计划处方剂量吻合度较高。相比于原计划,A组左侧腮腺D50、Dmean分别提高0.43、0.10 Gy,V30降低了1.94%;右侧腮腺D50、Dmean、V30分别提高了2.59 Gy、2.81 Gy、8.97%。B组左侧腮腺D50、Dmean、V30比原计划分别降低1.22 Gy、1.13 Gy、4.15%,右侧腮腺D50、Dmean、V30比原计划提高了2.8 Gy、3.09 Gy、5.44%。结论:相对于实际照射剂量,应用形变配准kV CBct生成伪ct图像的鼻咽癌自适应放疗,既保证肿瘤靶区剂量与原计划Plan0一致,同时降低了危及器官的累积照射剂量,具有一定程度的剂量学优势。

关键词：鼻咽癌形变配准自适应放疗 kV CBct 伪ct Velocity软件

基于3D深度卷积神经网络依据MRI生成伪ct的研究

在线全文

学校读者我要写书评

暂无评论

天津医科大学学报 2020年第2期26卷 133-137页

作者：菅影超付东山王伟天津医科大学肿瘤医院放疗科国家肿瘤临床医学研究中心天津市“肿瘤防治”重点实验室天津市恶性肿瘤临床医学研究中心天津300060

目的:研究一种依据MRI生成伪ct的方法,从而减少放疗过程中额外ct的使用,降低患者辐射剂量,提高放疗精准度。方法:提出一种基于3D深度卷积神经网络(DCNN)的预测算法,利用单张图像的解剖特征以及相邻图像层之间的关联信息,从而提高了图像... 详细信息

目的:研究一种依据MRI生成伪ct的方法,从而减少放疗过程中额外ct的使用,降低患者辐射剂量,提高放疗精准度。方法:提出一种基于3D深度卷积神经网络(DCNN)的预测算法,利用单张图像的解剖特征以及相邻图像层之间的关联信息,从而提高了图像特征提取的准确性。采用U-net网络结构,通过编码部分的卷积层、池化层和解码部分的上采样、卷积层,对MRI和对应的ct进行端到端转换的学习。采集13例患者图像数据,应用留一交叉验证的方法,分别对3D DCNN和2D DCNN的伪ct结果与原始ct进行对照比较。结果:提出的3D DCNN算法的平均绝对误差(MAE)为86 HU,远小于2D DCNN的136 HU。结论:3D DCNN算法能更准确的生成伪ct,明显改善了骨骼、空气与软组织之间的误转化。

关键词： MRI 伪ct 深度卷积神经网络 U-net 平均绝对误差