原題
Data-Driven Volumetric CT Image Generation from Surface Structures using a Patient-Specific Deep Leaning Model.
背景:光学表面イメージングは画像誘導放射線療法を強化するが、その有効性は複雑な運動シナリオ、特に表面誘導法が不正確な腫瘍追跡のリスクがある肺癌治療では制限される。
方法:本研究では、50人の肺がん患者の放射線療法データをレトロスペクティブに分析し、9段階の4DCTスキャンを利用して、敵対的生成ネットワークを用いたサーフェスからボリュームへの合成モデルを訓練し、6人の患者の追加コホートによって検証した。
結果:この方法は、1.72 mmの重心誤差、36.2 HUの平均絶対誤差、および高い構造的類似性を有する容積測定CT画像を生成した。
結論:この革新的な枠組みはSGRTの限界を克服し、治療送達中の放射線曝露なしに正確な腫瘍追跡を容易にする。
Journal: Int J Radiat Oncol Biol Phys (CiteScore 2022: 11)
DOI: 10.1016/j.ijrobp.2024.11.077
PMID: 39577474
コメント