基于域转换网络的金属伪影消除方法 MAR-DTN 用于放射治疗规划
图像与视频处理
2024-09-24 v1 人工智能
计算机视觉与模式识别
摘要
在头颈癌的放射治疗治疗计划中，通常会采用计算机断层扫描（CT）图像。然而，在存在牙齿填充物等金属植入物的患者群体中，标准CT扫描因使用千伏电压（kVCT）管电压而受到严重的条纹伪影干扰。 some 放射治疗设备可获取Mega-Voltage CT（MVCT），由于其使用的X射线能量更高，MVCT图像几乎不含伪影，更适合放射治疗治疗计划。本研究利用了kVCT扫描优势与MVCT扫描（无伪影）的优势，提出一种基于深度学习的方法，能够从获取的kVCT图像生成无伪影的MVCT图像。该方法的成果能够提供无伪影MVCT图像，并兼具增强的软组织对比度，充分利用通过kVCT技术获取的宝贵信息，以实现精确的治疗校准。我们的方法采用类UNet模型，并与对抗学习和变换器网络进行比较。该首创性方法取得了显著成功，整个患者体积的PSNR为30.02 dB，在仅影响伪影区域的PSNR为27.47 dB。值得注意的是，PSNR计算不包括背景，仅聚焦于感兴趣区域。
引用
@article{arxiv.2409.15155,
title = {MAR-DTN: Metal Artifact Reduction using Domain Transformation Network for Radiotherapy Planning},
author = {Belén Serrano-Antón and Mubashara Rehman and Niki Martinel and Michele Avanzo and Riccardo Spizzo and Giuseppe Fanetti and Alberto P. Muñuzuri and Christian Micheloni},
journal= {arXiv preprint arXiv:2409.15155},
year = {2024}
}
备注
Accepted in 27th International Conference on Pattern Recognition (ICPR). Mubashara Rehman and Bel\'en Serrano-Ant\'on, both co-first authors of the manuscript