發(fā)布時(shí)間：2024-03-22 22:01

　　目的:研究一種依據(jù)MRI生成偽CT的方法,從而減少放療過程中額外CT的使用,降低患者輻射劑量,提高放療精準(zhǔn)度。方法:提出一種基于3D深度卷積神經(jīng)網(wǎng)絡(luò)(DCNN)的預(yù)測算法,利用單張圖像的解剖特征以及相鄰圖像層之間的關(guān)聯(lián)信息,從而提高了圖像特征提取的準(zhǔn)確性。采用U-net網(wǎng)絡(luò)結(jié)構(gòu),通過編碼部分的卷積層、池化層和解碼部分的上采樣、卷積層,對MRI和對應(yīng)的CT進(jìn)行端到端轉(zhuǎn)換的學(xué)習(xí)。采集13例患者圖像數(shù)據(jù),應(yīng)用留一交叉驗(yàn)證的方法,分別對3D DCNN和2D DCNN的偽CT結(jié)果與原始CT進(jìn)行對照比較。結(jié)果:提出的3D DCNN算法的平均絕對誤差(MAE)為86 HU,遠(yuǎn)小于2D DCNN的136 HU。結(jié)論:3D DCNN算法能更準(zhǔn)確的生成偽CT,明顯改善了骨骼、空氣與軟組織之間的誤轉(zhuǎn)化。

【文章頁數(shù)】：5 頁

【文章目錄】：
1 資料與方法
    1.1 數(shù)據(jù)的獲取和預(yù)處理
    1.2 3D深度卷積神經(jīng)網(wǎng)絡(luò)算法（DCNN)
    1.3 DCNN模型
2 結(jié)果
    2.1 pCT與原始CT的定性比較
    2.2 pCT與原始CT的定量比較
3 討論



本文編號：3935011