计算机断层扫描图像估计中的统计方法
统计方法学
2019-04-02 v2 应用统计
摘要
目的：人们对从磁共振（MR）图像估计计算机断层扫描（CT）图像的兴趣日益浓厚。估计的 CT 图像可用于诊断和放射治疗工作流程中的衰减校正、患者定位和剂量计划。本研究旨在引入一种新颖的统计学习方法以改进基于 MR 图像的 CT 估计，并将我们方法的性能与现有的基于模型的 CT 图像估计方法进行比较。方法：此处提出的统计学习方法包含两个阶段。在训练阶段，将来自 CT 图像的关于组织类型的先验知识与高斯混合模型（GMM）结合使用，以探索从 MR 图像估计 CT 图像。由于在预测阶段无法获得先验知识，因此训练了基于 RUSBoost 算法的分类器来从 MR 图像估计组织类型。对于新患者，使用训练好的分类器和 GMM 从 MR 图像预测 CT 图像。分别使用体素级 10 折交叉验证和患者级留一交叉验证对分类器和 GMM 进行了验证。结果：与现有的基于模型的方法相比，所提方法在 CT 估计质量上表现更优，尤其是在骨骼组织上。我们的方法在全脑和骨骼组织上分别将 CT 图像估计提高了 5% 和 23%。结论：对我们方法的评估表明，这是一种很有前景的方法，可以生成 CT 图像替代品，以用于实现完全基于 MR 的放射治疗和 PET/MRI 应用。
引用
@article{arxiv.1805.11126,
title = {Statistical Methods in Computed Tomography Image Estimation},
author = {Fekadu L. Bayisa and Xijia Liu and Anders Garpebring and Jun Yu},
journal= {arXiv preprint arXiv:1805.11126},
year = {2019}
}