Deep Dose Plugin：基于深度学习的去噪算法实现实时蒙特卡洛剂量计算
计算机视觉与模式识别
2020-12-24 v2
摘要
蒙特卡洛（MC）模拟被视为放疗剂量计算的金标准方法。然而，达到高精度需要大量模拟历史，这非常耗时。图形处理单元（GPU）的使用极大加速了 MC 模拟，使典型放疗计划可在几分钟内完成剂量计算。但某些临床应用要求 MC 剂量计算具备实时效率。为解决此问题，我们开发了一种实时、基于深度学习的剂量去噪器，可插入当前基于 GPU 的 MC 剂量引擎以实现实时 MC 剂量计算。我们采用两种加速策略达成目标：1）应用体素解洗牌与体素洗牌算子，在无信息损失下减小输入输出尺寸；2）将 3D 体卷积解耦为 2D 轴向卷积与 1D 切片卷积。此外，我们使用弱监督学习框架训练网络，大幅缩减所需训练数据集规模，从而实现基于训练模型的快速微调以适应不同射线束。实验结果表明，所提去噪器运行时间可短至 39 ms，约比基线模型快 11.6 倍。因此，整个 MC 剂量计算流程（含 GPU MC 剂量计算与基于深度学习的去噪）可在 0.15 秒内完成，达到如在线自适应放疗等部分放疗应用所需的实时效率。
引用
@article{arxiv.2011.14959,
title = {Deep Dose Plugin Towards Real-time Monte Carlo Dose Calculation Through a Deep Learning based Denoising Algorithm},
author = {Ti Bai and Biling Wang and Dan Nguyen and Steve Jiang},
journal= {arXiv preprint arXiv:2011.14959},
year = {2020}
}
备注
under review