目的:研究一種依據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,提高放療精準度。方法:提出一種基于3D深度卷積神經網絡(DCNN)的預測算法,利用單張圖像的解剖特征以及相鄰圖像層之間的關聯(lián)信息,從而提高了圖像特征提取的準確性。采用U-net網絡結構,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和對應的CT進行端到端轉換的學習。采集13例患者圖像數(shù)據,應用留一交叉驗證的方法,分別對3D DCNN和2D DCNN的偽CT結果與原始CT進行對照比較。結果:提出的3D DCNN算法的平均絕對誤差(MAE)為86 HU,遠小于2D DCNN的136 HU。結論:3D DCNN算法能更準確的生成偽CT,明顯改善了骨骼、空氣與軟組織之間的誤轉化。

【文章頁數(shù)】：5 頁

【文章目錄】：
1 資料與方法
    1.1 數(shù)據的獲取和預處理
    1.2 3D深度卷積神經網絡算法（DCNN)
    1.3 DCNN模型
2 結果
    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