deepPERFECT：用于加速胰腺癌放疗的新型深度学习 CT 合成方法
医学物理
2023-06-07 v2
摘要
胰腺癌每年新发逾 60,000 例，其 5 年总生存率不足 10%。放疗（RT）是局部晚期胰腺癌（LAPC）的有效治疗手段。当前临床放疗流程冗长，需分别获取诊断 CT（dCT）与计划 CT（pCT）图像。研究表明，加速放疗可降低死亡率。由于图像采集设置与患者体位的差异，dCT 与 pCT 需分别采集。我们提出 deepPERFECT：一种基于深度学习的模型，用于将 dCT 上患者体位适配至治疗照射体位。该方法通过在 pCT 采集前完成初始放疗计划设计来加速治疗进程。因此，医生可提前评估潜在放疗预后，在治疗首日 CT 上核验计划，并在需要时实施在线自适应。我们使用 25 例胰腺癌患者数据，以 15 例训练、10 例测试。我们评估了四种不同深度学习架构在此任务上的性能。合成 CT（sCT）与感兴趣区域（ROIs）以 Dice 相似系数（DSC）与 Hausdorff 距离（HD）对比金标准（pCT）。我们发现，基于大块patch训练的三维生成对抗网络（GAN）模型性能最佳。身体轮廓的平均 DSC 与 HD 分别为 0.93 与 4.6 mm。合成 CT 计划与金标准间无统计学显著差异。我们表明，采用 deepPERFECT 可将当前冗长临床流程缩短至少一周，并改善胰腺癌患者的治疗效果与生活质量。
引用
@article{arxiv.2301.11085,
title = {deepPERFECT: Novel Deep Learning CT Synthesis Method for Expeditious Pancreatic Cancer Radiotherapy},
author = {Hamed Hooshangnejad and Quan Chen and Xue Feng and Rui Zhang and Kai Ding},
journal= {arXiv preprint arXiv:2301.11085},
year = {2023}
}
备注
paper is under review by medical physics