基于深度学习方法从 PET 符合数据直接映射至质子剂量与正电子活度
仪器与探测器
2022-09-28 v2 医学物理
摘要
目的。在粒子治疗中获取内禀剂量分布是一个具有挑战性的问题，需要借助成像算法以利用次级粒子探测器加以解决。本工作中，我们研究深度学习方法在实现从探测器数据到内禀剂量分布直接映射方面的效用。方法。我们使用 GATE/Geant4 10.4 仿真工具包进行蒙特卡洛模拟，以高能质子照射人体 CT 体模并用紧凑型束内 PET 成像，生成单次分割（约 2 Gy）真实束流递送下的数据集。我们开发了基于条件生成对抗网络的神经网络模型，以探测器中的符合分布为条件生成剂量图。模型性能通过平均相对误差、绝对剂量分数差异以及布拉格峰位置偏移进行评估。主要结果。对于 50 MeV 至 122 MeV 之间的单能照射，模型预测的分布相对于真实值在剂量和射程上的相对偏差分别位于 1% 和 2% 以内。这是利用照射后五分钟获取的 10^5 次符合事件实现的。展宽布拉格峰分布在剂量和射程上的相对偏差分别位于 1% 和 2.6% 的不确定度以内。意义。本研究的一个重要方面是展示了一种使用适用于粒子治疗实际实施的紧凑型探测器低计数数据、从探测器计数到剂量域直接映射的方法。未来引入额外的先验信息可进一步拓展我们模型的范围，并将其应用扩展到医学成像的其他领域。
引用
@article{arxiv.2204.13905,
title = {Direct mapping from PET coincidence data to proton-dose and positron activity using a deep learning approach},
author = {Atiq. Ur. Rahman and Mythra Varun. Nemallapudi and Cheng-Ying. Chou and Shih-Chang Lee and Chih-Hsun. Lin},
journal= {arXiv preprint arXiv:2204.13905},
year = {2022}
}