基于三种深度学习模型在前列腺癌放疗中生成sCT的质量研究

分类： 核科学技术 >> 粒子加速器 提交时间： 2024-04-25

付文胜 吴喜军

摘要： 摘要：目的：放疗过程中的锥形束CT(cone beam CT，CBCT)可为患者提供更精确的靶区定位，但由于散射线多造成的对比度低、噪声大、伪影大等，导致影像质量较差，在实时放疗中无法用于剂量计算。本研究旨在使用Unet、CyclaGAN和CGAN等三种深度学习网络生成基于CBCT的合成CT(sCTs)，研究并对比三种sCTs的图像质量。方法：使用78例前列腺癌患者的CBCT和计划CT(pCTs)数据，进行预处理后，其中63例为训练集，10例为测试集，5例为验证集，分别训练和评估基于三种模型的图像质量。使用平均绝对误差(MAE)、平均误差(ME)、均方误差(MSE)、峰值信噪比(PSNR)、结构相似性(SSIM)和空间非均匀性(SNU)等影像评估指标以及频域信息进行评估。结果：在三种模型中，cGAN模型在各个指标上都表现出最优的性能。在全局条件下的图像质量方面，平均MAE降低到7.77HU, MSE降低到4.99，PSNR提高到54.95，SSIM提高到96%。结论：应用深度学习方法可以大幅修正CBCT的HU值并生成对应高质量的sCT，针对前列腺癌的病人，CGAN模型生成的sCT拥有更好的影像质量，使用该模型生成基于CBCT的sCT可以为前列腺癌放疗靶区剂量计算提供。

 点击量 251  下载量 30  评论