基于3D深度卷积神经网络依据MRI生成伪CT的研究

发布时间：2024-03-22 22:01

　　目的:研究一种依据MRI生成伪CT的方法,从而减少放疗过程中额外CT的使用,降低患者辐射剂量,提高放疗精准度。方法:提出一种基于3D深度卷积神经网络(DCNN)的预测算法,利用单张图像的解剖特征以及相邻图像层之间的关联信息,从而提高了图像特征提取的准确性。采用U-net网络结构,通过编码部分的卷积层、池化层和解码部分的上采样、卷积层,对MRI和对应的CT进行端到端转换的学习。采集13例患者图像数据,应用留一交叉验证的方法,分别对3D DCNN和2D DCNN的伪CT结果与原始CT进行对照比较。结果:提出的3D DCNN算法的平均绝对误差(MAE)为86 HU,远小于2D DCNN的136 HU。结论:3D DCNN算法能更准确的生成伪CT,明显改善了骨骼、空气与软组织之间的误转化。

【文章页数】：5 页

【文章目录】：
1 资料与方法
    1.1 数据的获取和预处理
    1.2 3D深度卷积神经网络算法（DCNN)
    1.3 DCNN模型
2 结果
    2.1 pCT与原始CT的定性比较
    2.2 pCT与原始CT的定量比较
3 讨论



本文编号：3935011