原題
A universal medical imaging modality translation model in brain and head-and-neck radiotherapy.
背景:マルチモーダル登録と線量計算を支援することを目的として、脳と頭頚部の放射線治療のためのMRIシーケンスとCTを合成するための汎用画像変換モデル(TAM)を開発した。
方法:90人の患者からの後ろ向きデータ(最大8つのMRI検査と対になったCT検査)を用いた。TAMでは、3D U-Netを使用して軟部組織と骨を解剖アンカーとしてセグメント化し、その後、条件付き拡散モデルを使用して、任意の入力モダリティを任意のターゲットに変換する。FID、PSNR、SSIM、HU MAE、B-スプライン変形による登録、および臨床線量計算(Gamma 1%/1 mm、2%/2 mm)を用いて、46の翻訳タスクにわたって性能をCycleGANおよびUNITと比較した。
結果:TAMは、UNIT(27.0;0.958)およびCycleGAN(25.4;0.949)と比較して、画像品質(PSNR 30.0±3.7;SSIM 0.973±0.024)を改善した。合成されたCTは、ガンマ99.1±1.7%(2%/2 mm)および94.1±6.4%(1%/1 mm)を達成し、ベースラインを上回り、DVHは実際のCT計画と厳密に一致した。
結論:TAMは、柔軟で解剖学的に忠実な任意対任意のMRI/CT変換を提供し、下流の登録および線量計算精度を改善する。
Journal: Radiother Oncol (CiteScore 2022: 10.5)
DOI: 10.1016/j.radonc.2025.111321
PMID: 41365375
コメント