基于数据驱动的患者特异性深度学习模型从表面结构生成体积图像
摘要：计算机断层扫描的出现显著提高了患者的健康状况，包括诊断、预后和治疗规划和验证方面。然而，层析成像会导致患者的辐射剂量增加，从而引发潜在的二次癌症。我们证明了一种利用患者表面图像综合体积图像的数据驱动方法的可行性，这些图像可以从零剂量表面成像系统获得。该研究包括来自50名患者的500个计算机断层扫描（CT）图像组。与地面实况CT相比，合成图像的评估指标值分别为26.9 Hounsfield单位、39.1dB和0.965，评估指标包括平均绝对误差、峰值信噪比和结构相似性指数。该方法提供了一种数据集成解决方案，可能实现实时成像，不受辐射引起的风险，并可应用于图像引导的医疗程序。
作者：Shaoyan Pan, Chih-Wei Chang, Marian Axente, Tonghe Wang, Joseph Shelton, Tian Liu, Justin Roper and Xiaofeng Yang
论文ID：2304.14594
分类：Medical Physics
分类简称：physics.med-ph
提交时间：2023-05-03