一种基于互信息对比学习由磁共振成像生成头部伪CT图像的方法

    在线阅读 下载PDF 导出详情
    摘要 摘要目的比较不同神经网络由磁共振成像(MRI)图像生成伪CT图像的本领,探讨伪CT用于临床放疗计划的可行性。方法选取29例同时具有计划CT和诊断MRI的脑癌患者,23例用于训练,6例用于测试。分别采用循环生成对抗网络(cycleGAN)、对比学习非配对图像转换网络(CUT)以及本研究提出的改进网络denseCUT由MRI生成伪CT,并将伪CT导入治疗计划系统中验证其用于放疗计划的可行性。结果CycleGAN、CUT和denseCUT生成的伪CT与真实CT之间的平均绝对误差分别为(72.0±6.9)、(72.5±8.0)和(64.6±7.3)HU,结构相似性分别为0.91±0.01、0.91±0.01和0.93±0.01,峰值信噪比分别为(28.5±0.7)、(28.5±0.7)和(29.5±0.7)dB,放疗计划剂量计算γ通过率(2%/2 mm)分别为98.05%、97.92%、98.31%。结论denseCUT能更准确地生成伪CT,伪CT能满足调强放疗计划剂量计算的需求。
    出版日期 2022年12月13日(中国Betway体育网页登陆平台首次上网日期,不代表论文的发表时间)
    • 相关文献
    Baidu
    map