基于深度卷积神经网络的CT图像层间插值方法的初步研究 |
| |
引用本文: | 菅影超,马善达,王伟.基于深度卷积神经网络的CT图像层间插值方法的初步研究[J].中国医学计算机成像杂志,2022(6):669-675. |
| |
作者姓名: | 菅影超 马善达 王伟 |
| |
作者单位: | 2. 江苏瑞尔医疗科技有限公司研发部;3. 天津医科大学肿瘤医院放疗科 |
| |
摘 要: | 目的:研究一种基于CT图像层间插值的方法,用于放射治疗过程中的患者摆位验证,从而提高放疗精度。方法:采用一种基于3D卷积和膨胀卷积神经网络(3D CNN-DCNN)算法,利用相邻图像层之间的关联信息重建中间层图像。采用U-Net网络架构,通过编码部分的卷积层、膨胀卷积层、池化层和解码部分的上采样层、卷积层、膨胀卷积层,对CT进行端到端的学习。采集20例患者图像数据,采用留一交叉验证的方法训练验证模型,分别对神经网络和线性插值的预测CT与原始薄层CT进行对照比较。结果:3D CNN-DCNN的平均绝对误差(MAE)为34 HU,远小于线性插值的55 HU。除此之外,骨骼的Dice相似系数(DSC)为0.95,大于线性插值方法的0.89。结论:与传统线性插值方法相比,3D CNN-DCNN算法可以更准确的重建薄层CT,明显改善了插值伪影、图像失真和锯齿状现象。
|
关 键 词: | 摆位验证 膨胀卷积神经网络 U-Net 留一交叉验证 平均绝对误差 Dice相似系数 |
|