利用联合监督学习与对抗学习进行CT呼吸运动合成
计算机视觉与模式识别
2024-04-02 v1
摘要
目的：四维计算机断层扫描(4DCT)成像将CT采集重建为多个相位，以跟踪内部器官和肿瘤的运动。它常用于放射治疗计划中确定计划靶区。然而，4DCT增加了协议复杂性，可能无法与治疗期间患者的呼吸对齐，并导致更高的辐射剂量。方法：在本研究中，我们提出了一种深度合成方法，从静态图像生成伪呼吸CT相位，用于运动感知治疗计划。该模型通过基于外部患者表面估计的条件合成生成患者特定的变形矢量场(DVF)，模拟呼吸监测设备。一个关键的方法贡献是通过监督式DVF训练鼓励DVF的真实性，同时联合使用对抗项，不仅作用于变形图像，还作用于DVF本身的幅度。这样，我们避免了深度无监督学习通常产生的过度平滑，并鼓励与呼吸幅度的相关性。主要结果：使用真实4DCT采集进行性能评估，肿瘤体积比先前报道的更小。结果首次证明，生成的伪呼吸CT相位能够以与同一患者重复4DCT扫描相似的精度捕捉器官和肿瘤运动。真实4DCT相位的平均扫描间肿瘤质心距离和Dice相似系数分别为1.97mm和0.63，合成相位为2.35mm和0.71，并且优于最先进的技术(RMSim)。
引用
@article{arxiv.2404.00163,
title = {CT respiratory motion synthesis using joint supervised and adversarial learning},
author = {Yi-Heng Cao and Vincent Bourbonne and François Lucia and Ulrike Schick and Julien Bert and Vincent Jaouen and Dimitris Visvikis},
journal= {arXiv preprint arXiv:2404.00163},
year = {2024}
}
备注
to appear in Phys. Med. Biol