分割引导的 CT 合成与逐像素共形不确定性边界
摘要
质子治疗中的精确剂量计算依赖于高质量的 CT 图像。虽然计划 CT（pCT）作为剂量规划的参考，锥形束 CT（CBCT）则在整个自适应放疗（ART）过程中用于生成合成 CT（sCT）以改善剂量计算。尽管 CBCT 具有成本较低和辐射暴露减少的优势，但其存在严重伪影和图像质量差的问题，不适合精确剂量测量。基于深度学习的 CBCT-to-CT 转换已成为一种有前景的方法。然而，现有方法往往引入解剖学不一致且缺乏可靠的不确定性估计，限制了其临床应用。为弥合这一差距，我们提出了 STF-RUE，一个集成两个关键组件的新型框架。首先，STF 是一种分割引导的 CBCT-to-CT 转换方法，通过利用从 pCT 中提取的分割先验来增强解剖学一致性。其次，RUE 是一种共形预测方法，为预测的 CT 附加逐像素共形预测区间，为临床医生提供可靠的可靠性指标。使用 UNet++ 和 Fast-DDPM 在两个基准数据集上的综合实验表明，STF-RUE 显著提升了转换精度，其衡量标准是一种专为精确剂量计算设计的新型软组织聚焦指标。此外，STF-RUE 为合成 CT 提供了更好校准的不确定性集合，增强了对合成 CT 的信任。通过同时解决解剖学保真度和不确定性量化问题，STF-RUE 标志着向更安全、更有效的自适应质子治疗迈出了关键一步。代码地址：https://anonymous.4open.science/r/cbct2ct_translation-B2D9/。
引用
@article{arxiv.2503.08515,
title = {Segmentation-Guided CT Synthesis with Pixel-Wise Conformal Uncertainty Bounds},
author = {David Vallmanya Poch and Yorick Estievenart and Elnura Zhalieva and Sukanya Patra and Mohammad Yaqub and Souhaib Ben Taieb},
journal= {arXiv preprint arXiv:2503.08515},
year = {2025}
}
备注
MICCAI 2025 Conference Submission. Follows the required LNCS format. 12 pages including references. Contains 4 figures and 1 table