面向放射治疗器官运动预测的患者特异自回归模型
图像与视频处理
2025-05-20 v1 计算机视觉与模式识别
摘要
放射治疗通常涉及 prolonged 的治疗期。在此期间，患者可能因呼吸和其他生理因素导致器官运动。预测和建模此类运动在治疗前至关重要，以确保精准的辐射递送。然而，现有的治疗前器官运动预测方法主要依赖于主成分分析 (PCA) 的形变分析，这种方法高度依赖配准质量，且难以捕捉周期性时间动力学进行运动建模。本文我们观察到，器官运动预测类似于自回归过程，这是一种广泛用于自然语言处理 (NLP) 的技术。自回归模型基于先前输入预测下一个标记，这自然地与我们预测未来器官运动阶段的目标相吻合。基于这一洞见，我们将器官运动预测重新表述为自回归过程，以更好地捕捉患者特异的运动模式。具体而言，我们在治疗前为每个患者获取 4D CT 扫描，序列包含多个 3D CT 相位。将这些相位输入自回归模型，以基于先前相位运动模式预测未来相位。我们在来自我机构接受放射治疗的 50 名患者以及包含 20 名患者（部分患者有多个扫描）的公共数据集上进行评估，总计超过 1,300 个 3D CT 相位。预测肺和心脏运动的性能超越了现有基准，展示了其在从 CT 图像中捕捉运动动力学方面的有效性。这些结果凸显了该方法在放射治疗中提高预治疗规划潜力，实现更精确和自适应的辐射递送。
引用
@article{arxiv.2505.11832,
title = {Patient-Specific Autoregressive Models for Organ Motion Prediction in Radiotherapy},
author = {Yuxiang Lai and Jike Zhong and Vanessa Su and Xiaofeng Yang},
journal= {arXiv preprint arXiv:2505.11832},
year = {2025}
}