Scout-Net：基于定位像的 CT 器官剂量前瞻性个性化估计
计算机视觉与模式识别
2023-12-27 v1
摘要
目的：患者特异性器官剂量估计是获取更全面剂量指标（如有效剂量）所必需的。目前可用的方法是回顾性地利用 CT 图像本身进行的，这只能在扫描完成后进行。为了在扫描前优化 CT 采集，需要利用可用的定位像（scout images）对患者特异性器官剂量进行快速的前瞻性预测。因此，我们设计了一种端到端的全自动深度学习解决方案，以实时执行患者特异性的 CT 扫描器官水平剂量测定。方法：我们提出了 Scout-Net 模型，利用患者在 CT 扫描前常规获取的正位和侧位定位像，对六个不同器官以及整体患者身体进行 CT 剂量预测。为了获得器官剂量的参考值，我们在患者相应的 CT 图像上使用了蒙特卡洛模拟和 3D 分割方法。结果：我们针对真实患者 CT 数据验证了所提出的 Scout-Net 模型，并证明了其在实时估计器官剂量方面的有效性（平均每例扫描仅需 27 毫秒）。此外，我们展示了 Scout-Net 模型的效率（实时执行）、充分性（合理的误差率）和鲁棒性（在不同患者体型间保持一致）。结论：一种有效、高效且鲁棒的 Scout-Net 模型，一旦纳入 CT 采集计划， potentially 可指导自动曝光控制，以平衡图像质量和辐射剂量。
引用
@article{arxiv.2312.15354,
title = {Scout-Net: Prospective Personalized Estimation of CT Organ Doses from Scout Views},
author = {Abdullah-Al-Zubaer Imran and Sen Wang and Debashish Pal and Sandeep Dutta and Bhavik Patel and Evan Zucker and Adam Wang},
journal= {arXiv preprint arXiv:2312.15354},
year = {2023}
}
备注
33 pages, 11 figures, 4 tables