原題
Generation of tissues outside the field of view (FOV) of radiation therapy simulation imaging based on machine learning and patient body outline (PBO).
背景:CTシミュレーション画像における身体部位の欠落は、最適な治療計画を妨げる可能性がある。既存の解決策は、ビームが欠落した部分に入るのを回避することを含むが、これは最適ではない。
方法:本研究では、この問題に対処するために、深層学習(DL)、患者の身体輪郭(PBO)、およびハイブリッド法の3つの方法を開発した。これは、肺癌患者からの10,005のCTトレーニングスライスを用いた畳み込みニューラルネットワークによる画像補完に基づいていた。構造的類似性指標(SSIM)、二乗平均平方根誤差(RMSE)、ピーク信号対雑音比(PSNR)などの指標を用いて評価した。
結果:平均SSIMはエポック1500で0.86に達し、RMSEとPSNR値は7.4と30.9であり、ガンマ分析で強い一致を示した。
結論:本研究は、シミュレーション画像における欠損組織の生成に成功し、線量測定の限界を克服するのに役立つことを実証した。これは、MRのみのシミュレーションにおいて特に有益である可能性がある。
Journal: Radiat Oncol (CiteScore 2022: 6.6)
DOI: 10.1186/s13014-023-02384-4
PMID: 38273278
Open Access
機械学習と患者の身体輪郭(PBO)に基づく放射線治療シミュレーション画像の視野(FOV)外の組織の生成。
lung cancer
コメント