利用CycleGAN增强锥束CT图像
计算机视觉与模式识别
2020-07-01 v3 医学物理
摘要
锥束计算机断层扫描(CBCT)相较传统扇束CT具有耗时更短、曝光更少即可获图像的优势。CBCT在图像引导放射治疗的摆位、提取放射组学信息以设计患者特异性治疗，以及计算自适应放射治疗的分数剂量分布等方面有广泛应用。然而，与传统扇束CT图像相比，CBCT图像存在软组织对比度低、噪声与伪影的问题。因此，提升CBCT图像质量至关重要。本文中，我们提出一种利用深度神经网络翻译CBCT图像的生成式方法。我们的方法仅需未配对且未对齐的CBCT图像与计划扇束CT(PlanCT)图像用于训练。一旦训练完成，三维重建的CBCT图像可直接翻译为高质量的类PlanCT图像。我们用24名前列腺患者的图像证明了方法的有效性，并给出统计与视觉对比。翻译后图像在体素值、空间均匀性与伪影抑制方面较原始CBCT有显著改善。原始CBCT图像的解剖结构在翻译图像中也得到良好保留。我们的方法可实现更精准的自适应放射治疗，并为依赖高质量图像的CBCT新应用开辟了可能。
引用
@article{arxiv.1901.05773,
title = {Visual enhancement of Cone-beam CT by use of CycleGAN},
author = {S. Kida and S. Kaji and K. Nawa and T. Imae and T. Nakamoto and S. Ozaki and T. Ohta and Y. Nozawa and K. Nakagawa},
journal= {arXiv preprint arXiv:1901.05773},
year = {2020}
}