基于CBCT的合成CT图像生成：使用条件去噪扩散概率模型
摘要：用于精确患者定位的锥束CT（CBCT）扫描在图像引导放疗（IGRT）过程中常被使用，使其成为适应性放疗（ART）重计划的理想选择。然而，严重伪影和不准确的Hounsfield单位（HU）值的存在阻止了其在器官分割和剂量计算等定量应用中的使用。为了实现在线ART的临床实践，获得与CT扫描相当质量的CBCT扫描至关重要。本研究旨在开发一种条件扩散模型，对CBCT进行图像转换，以改善CBCT的图像质量。所提出的方法是一种条件去噪扩散概率模型（DDPM），它利用嵌入时间的U-net架构，并结合残差和注意力块，逐渐将标准高斯噪声转换为在CBCT条件下的目标CT分布。该模型使用变形规划CT（dpCT）和CBCT图像对进行训练，并在脑部患者和头颈部患者研究中验证了其可行性。根据生成的合成CT（sCT）样本，评估了所提出算法的性能，使用了平均绝对误差（MAE）、峰值信噪比（PSNR）和归一化互相关（NCC）指标。同时，所提出的方法与其他四种基于扩散模型的sCT生成方法进行了比较。研究结果表明，所提出的条件DDPM方法能够从CBCT生成具有准确HU数值和减少伪影的sCT，为基于CBCT的器官分割和剂量计算提供了准确性。
作者：Junbo Peng, Richard L.J. Qiu, Jacob F Wynne, Chih-Wei Chang, Shaoyan Pan, Tonghe Wang, Justin Roper, Tian Liu, Pretesh R. Patel, David S. Yu and Xiaofeng Yang
论文ID：2303.02649
分类：Medical Physics
分类简称：physics.med-ph
提交时间：2023-03-07