检索结果-南通市图书馆

利用深度学习改善在线自适应放疗中的图像质量和勾画效率

在线全文

学校读者我要写书评

暂无评论

利用深度学习改善在线自适应放疗中的图像质量和勾画效率

作者：刘宇翔武汉大学

学位级别：硕士

目的:精准放疗能聚焦肿瘤靶区并保护正常组织,在线自适应放疗无疑是保障其优越效果的前沿技术,但尚存在制约其有效应用的技术瓶颈:锥形束计算机断层成像(Cone-beam Computed Tomography,CBCT)图像质量差,不利于勾画和剂量计算;手工勾画... 详细信息

目的:精准放疗能聚焦肿瘤靶区并保护正常组织,在线自适应放疗无疑是保障其优越效果的前沿技术,但尚存在制约其有效应用的技术瓶颈:锥形束计算机断层成像(Cone-beam Computed Tomography,CBCT)图像质量差,不利于勾画和剂量计算;手工勾画速度慢,影响治疗效率;CBCT不能有效监测疗中解剖结构变化;质子自适应放疗中剂量分布监测的精度需要改进。为解决上述瓶颈问题,本研究引入深度学习方法,通过与临床需求结合,改进算法使其有效提高自适应放疗效率。方法:针对CBCT图像质量差的问题,本研究评估了现有监督学习和无监督学习方法的优缺点,并提出结合其优点的两步法:首先利用模体获取配对数据以进行监督学习训练去除图像伪影,然后使用病人数据进行无监督学习训练提高CT值的准确性。针对自适应放疗中手工勾画费时耗力的问题,本研究改进深度学习方法,建立个性化模型的训练策略,有效提高勾画精度,并针对CBCT和磁共振成像(Magnetic Resonance Imaging,MRI)的特点,分别设计了两套方案。针对旋转容积调强放射治疗中获取的疗中CBCT图像质量差的问题,本研究提出对放射治疗源散射建模,在投影域去除散射和噪声,进而提高重建图像质量,从而更好地监测病人治疗中解剖结构的变化。针对质子自适应放疗过程中剂量监测精度不足的问题,本研究建立深度学习方法,利用双能CT改进碳氧成分计算的精度,从而提高基于正电子发射断层成像(Positron emission tomography,PET)信号的剂量监测算法的精度,并使用蒙特卡洛模拟验证该方案的有效性。结果:两步法有效地将CBCT图像质量提高到CT扫描水平。与单独的监督学习方法相比,它保持了CBCT的解剖结构;与单独的无监督学习方法相比,两步法提高了CT值的准确性,并有效减少了伪影,有助于肿瘤识别。个性化自适应勾画方法显著优于常规深度学习方法,其Dice相似系数的结果如下:对于鼻咽癌患者的CBCT勾画:原发肿瘤0.87,临床靶区0.91;对于前列腺癌患者的MRI勾画:临床靶区0.90,膀胱0.96,直肠0.89,股骨头0.94。疗中CBCT图像质量改进方法将平均绝对误差从86.3降低到49.8HU,本研究还测试了两种散射建模技术的相关性,结果表明这两种技术都可以提高图像质量。预测碳氧成分方法所得结果的平均绝对误差小于2%,该结果优于传统计算方法,同时对于噪声具有较好的鲁棒性。在蒙特卡洛模拟的验证中,PET信号活度分布具有3-5%的平均相对误差。结论:本研究针对自适应放疗中的瓶颈问题做出了改进,所取得的结果证明这些方案的可行性和有效性。将深度学习方法有效应用于自适应放疗,能改进临床流程,提高放疗精度并且节省治疗时间。

关键词：自适应放疗深度学习自动勾画 CBCT 双能CT

基于Talairach图谱的脑^(18)F-FDG PET图像基底节区的自动勾画

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

中华核医学杂志 2005年第4期25卷 242-243,i0005页

作者：左传涛张剑戈王坚管一晖赵军章鲁林祥通复旦大学附属华山医院核医学科PET中心上海200235 上海第二医科大学生物医学工程教研室复旦大学附属华山医院神经内科上海200235

目的建立自动勾画基底节区的方法,并测定健康人的半定量值。方法通过非线性空间变换将PET图像经图像配准和图像形变2个步骤,归一化到Talairach坐标系,根据图谱中脑功能区的坐标,在三维图像中提取相应的基底节区,计算经大脑归一化后尾状... 详细信息

目的建立自动勾画基底节区的方法,并测定健康人的半定量值。方法通过非线性空间变换将PET图像经图像配准和图像形变2个步骤,归一化到Talairach坐标系,根据图谱中脑功能区的坐标,在三维图像中提取相应的基底节区,计算经大脑归一化后尾状核和壳核的半定量值。结果基于Talairach图谱可自动勾画尾状核和壳核,左侧尾状核头、体、尾部的正常值分别为1.02±0.04、0.92±0.07和0.71±0.03,右侧分别为0.98±0.03、0.87±0.04和0.71±0.01,左、右侧壳核的正常值分别为1.20±0.06和1.20±0.04,左右侧半定量值差异无显著性(P>0.05)。结论基于Talairach图谱自动勾画尾状核和壳核的方法有效。

关键词：基底神经节体层摄影术,发射型计算机 Talairach图谱 PET图像脑^18F-FDG 自动勾画基底节区尾状核头图像配准空间变换

在线全文

学校读者我要写书评

暂无评论

宫颈癌自动放疗计划方法研究

宫颈癌自动放疗计划方法研究

作者：张朵儿中国科学技术大学

学位级别：硕士

在临床放射治疗工作流程中,放疗计划的质量起到重要作用,是实现精准放疗的重要一环。然而,制定调强放射治疗计划是一个费时费力的过程,且受到多种临床因素的影响。自动计划可以通过学习已有专家数据库中患者解剖结构和剂量分布的对应特... 详细信息

在临床放射治疗工作流程中,放疗计划的质量起到重要作用,是实现精准放疗的重要一环。然而,制定调强放射治疗计划是一个费时费力的过程,且受到多种临床因素的影响。自动计划可以通过学习已有专家数据库中患者解剖结构和剂量分布的对应特征,提高放疗计划设计的效率。但是,目前常见的基于数据库的自动放疗计划(Knowledge-based planning,KBP)方法主要是从患者的解剖结构中提取低维特征并用于搜索匹配找到结构最相似的患者,再通过解剖结构相似患者的临床计划预测新患者的计划,然而这个过程中常常丢失一部分结构信息。在本文中,我们提出了一种直接基于患者三维解剖结构的自动放疗计划方案,可以直接通过三维靶区和危及器官的相似性匹配得到解剖结构相似的病人。我们选用中国科学技术大学第一附属医院的81例宫颈癌计划,提取患者靶区及危及器官及其剂量学参数建立匹配数据库。随机选取20名患者,利用留一法,即选取1名患者,在剩余80名患者的数据库中进行相似度快速匹配,选出靶区和感兴趣的危及器官相似度高的患者作为相似匹配结果,并选取其对应剂量学参数作为预测参数进行放疗计划优化,最后将生成的自动计划与其临床计划进行比较,分析其差异。本研究的两大创新点,分别是直接应用患者三维解剖结构进行相似性配准以及通过放疗计划系统脚本实现放疗计划设计自动设置。结果表明,本文提出的自动计划在绝大多数剂量参数上与临床计划的质量相当或更优。其中,膀胱的V50Gy剂量显著降低了2.85±3.16%(p自动计划大大缩短了放疗计划设计的过程,整个自动计划包括调强优化所需要的时间小于6分钟。在此基础上,我们还进一步研究了基于深度学习的自动勾画进行自动计划的可能性,实现宫颈癌放射治疗全流程自动化。建立放疗流程的自动化处理可以辅助医生以及物理师高效完成放疗计划设计并提高临床计划质量。但这是探索性的尝试,临床应用及其实用性仍需要进一步验证。

关键词：自动放疗计划宫颈癌放射治疗三维器官配准自动勾画深度学习

不同固定窗宽/窗位调节在医学图像自动分割中的应用研究

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

中国医疗设备 2022年第3期37卷 75-78,96页

作者：余行何奕松傅玉川四川大学华西医院放疗科四川成都610041

目的以肺癌放疗涉及的危及器官为例,通过对胸部CT影像进行固定窗宽(Window Width,WW)/窗位(Window Level,WL)的调节处理,探究不同WW/WL对基于深度学习的危及器官自动勾画结果的影响。方法利用2D-Unet对2017年肺癌危及器官分割比赛中的... 详细信息

目的以肺癌放疗涉及的危及器官为例,通过对胸部CT影像进行固定窗宽(Window Width,WW)/窗位(Window Level,WL)的调节处理,探究不同WW/WL对基于深度学习的危及器官自动勾画结果的影响。方法利用2D-Unet对2017年肺癌危及器官分割比赛中的危及器官(包括左右肺、食管、脊髓和心脏)进行自动分割;训练前均进行WW/WL调节的预处理,即对训练的CT图像分别进行软组织窗、肺窗、纵隔窗、骨窗及全窗宽的调节,然后对每一种危及器官均采用相同的条件进行训练;共60例数据集,任选其中48例为训练集,余下12例为测试集;自动分割结果采用Dice相似性系数(Dice Similarity Coefficient,DSC)和95%豪斯多夫距离(Hausdorff Distance,HD)进行评估;统计方法采用Kruskal-Wallis H秩和检验或方差分析。结果不同WW/WL调节对左、右肺及脊髓的自动分割DSC值无显著影响(P=0.057、0.090、0.894);对食管和心脏的自动分割DSC值有显著影响(P自动勾画结果的影响不同,在进行基于深度学习的CT影像自动分割时应选取合适的WW/WL。

关键词：危及器官自动勾画窗宽/窗位深度学习 CT影像自动分割

头颈部肿瘤中手工勾画危及器官的组间和组内差异性

在线全文

学校读者我要写书评

暂无评论

医疗装备 2022年第11期35卷 89-93页

作者：程燕铭福建医科大学附属肿瘤医院·福建省肿瘤医院福建福州350014

目的对头颈部肿瘤患者进行危及器官(OAR)的手工勾画及自动勾画,比较OAR勾画的体积偏差(ΔV)、相似性指数(DSC)及受照剂量,手工勾画差异性与自动勾画不确定性。方法选取2017年7月至2018年7月于医院进行调强放射治疗的5例头颈部肿瘤患者... 详细信息

目的对头颈部肿瘤患者进行危及器官(OAR)的手工勾画及自动勾画,比较OAR勾画的体积偏差(ΔV)、相似性指数(DSC)及受照剂量,手工勾画差异性与自动勾画不确定性。方法选取2017年7月至2018年7月于医院进行调强放射治疗的5例头颈部肿瘤患者的计划CT图像,由5名专业组高年资医师手工勾画OAR,同时采用ABAS软件自动勾画OAR,最终比较不同医师同一时间手工勾画、同一医师不同时间手工勾画的OAR及手工勾画、自动勾画与参考标准之间产生的ΔV、DSC及百分剂量差异ΔD的平均标准方差(SD)。结果不同医师同一时间手工勾画的OAR,ΔV和ΔD存在显著差异。手工勾画与自动勾画产生的ΔV和DSC的SD相近,但对小体积OAR勾画时,自动勾画的ΔV的SD小于手工勾画。结论不同勾画者对头颈部肿瘤患者的OAR进行勾画时,OAR的ΔV和ΔD存在明显差异;自动勾画OAR的不确定性与手工勾画的不确定性相当。临床上,医师勾画OAR应特别注意人为之间的差异性,尽可能地减少人为因素的影响,甚至可以考虑应用自动勾画软件代替手工勾画,并在此基础上进行适当的修正,从而更好、更客观地评估放射治疗计划。

关键词：头颈部肿瘤危及器官手工勾画自动勾画

基于多任务学习的轻量级卷积神经网络在肺部危及器官自动分割中的应用研究

在线全文

学校读者我要写书评

暂无评论

中华放射肿瘤学杂志 2021年第9期30卷 917-923页

作者：张婕杨一威邵凯南白雪方敏单国平陈明中国科学院大学附属肿瘤医院(浙江省肿瘤医院)放射物理科杭州310022 中国科学院大学附属肿瘤医院(浙江省肿瘤医院)放疗科杭州310022

目的研究基于多任务学习轻量级卷积神经网络(MTLW-CNN)在肺部危及器官(OAR)自动分割中的应用。方法MTLW-CNN包含多个特征共享层和OAR的对应勾画分支。收集497例肺癌病例,以同时包含肺、心脏和脊髓的CT及医生勾画的轮廓为样本,随机划分30... 详细信息

目的研究基于多任务学习轻量级卷积神经网络(MTLW-CNN)在肺部危及器官(OAR)自动分割中的应用。方法MTLW-CNN包含多个特征共享层和OAR的对应勾画分支。收集497例肺癌病例,以同时包含肺、心脏和脊髓的CT及医生勾画的轮廓为样本,随机划分300例用于训练与验证,197例用于测试。在测试集应用MTLW-CNN计算OAR的戴斯相似性系数(DSC),与Unet、DeepLabv3+的DSC、训练及测试时长、空间复杂度(S)进行对比。为研究多任务学习对模型泛化性能的影响,按照MTLW-CNN结构建立3个OAR的单任务学习模型(STLW-CNN),使用相同数据训练与测试,统计并对比两者DSC。结果MTLW-CNN的肺、心脏、脊髓DSC平均值分别为0.954、0.921、0.904。与Unet、DeepLabv3+的DSC差距自动勾画,不仅可以提高模型应用效率,还有利于提高模型的泛化性能。

关键词：多任务学习轻量级卷积神经网络自动勾画危及器官

在线全文

学校读者我要写书评

暂无评论

更正

中华放射肿瘤学杂志 2023年第8期32卷 735-735页

2023年第32卷第3期222-228页,第一作者王芳的文章《前列腺癌术后放疗靶区自动勾画人工智能模型构建》中,第222页补充“王芳和苗栋对本文有同等贡献”“Wang Fang and Miao Dong are contributed equally to the article”。

关键词：放疗靶区王芳前列腺癌术后自动勾画人工智能模型 Dong

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

人工智能在肿瘤放射治疗中的应用

临床肿瘤学杂志 2019年第10期24卷 943-947页

作者：李华玲李金凯王沛沛孙新臣南京医科大学特种医学系南京210009 南京医科大学第一附属医院放疗科 210009

人工智能是一门新兴的技术科学,它利用计算机模型和算法来复制模拟类似于人类的智能,并执行特定的任务,在医疗保健领域具有巨大的潜力。人工智能广泛地应用于肿瘤放射治疗的多个方面,主要涵盖了自动分割技术在肿瘤靶区及危及器官自动勾... 详细信息

人工智能是一门新兴的技术科学,它利用计算机模型和算法来复制模拟类似于人类的智能,并执行特定的任务,在医疗保健领域具有巨大的潜力。人工智能广泛地应用于肿瘤放射治疗的多个方面,主要涵盖了自动分割技术在肿瘤靶区及危及器官自动勾画中的应用,基于U-net模型的多种技术在肿瘤靶区及危及器官剂量分布自动预测中的应用,基于深度学习和人工神经网络的多种技术在放射治疗计划自动设计以及放射治疗前放射毒性和放射治疗后疗效预测的应用等方面。本文对传统的机器学习、深度学习和人工神经网络的基础知识及人工智能在肿瘤放射治疗中的应用进行综述。

关键词：肿瘤放射治疗人工智能自动勾画剂量预测自动计划

在线全文

学校读者我要写书评

暂无评论

放疗靶区勾画系统的设计与开发

中国医疗设备 2018年第10期33卷 132-133,147页

作者：谭燕王培郎锦义黎杰王先良唐斌四川省肿瘤医院放疗科四川成都610041

目的本文旨在自主研发一套可以完成临床靶区勾画功能的系统,满足放疗临床的基本需求。方法本系统以Visual C++作为开发平台,全面支持DICOM标准文件的操作。结果系统能够完成多时序CT间或CT与MRI图像之间的配准、临床靶区与危及器官的勾... 详细信息

目的本文旨在自主研发一套可以完成临床靶区勾画功能的系统,满足放疗临床的基本需求。方法本系统以Visual C++作为开发平台,全面支持DICOM标准文件的操作。结果系统能够完成多时序CT间或CT与MRI图像之间的配准、临床靶区与危及器官的勾画等基本功能。结论该系统操作简单,运行稳定,作为自主开发的系统,提供开展图像数据相关研究工作的接口,未来可添加更多的临床实用功能。

关键词：靶区勾画系统 DICOM 影像配准自动勾画