文献

J-GLOBAL ID：202202220464606099   整理番号：22A0702354

深層学習を用いた2つのスコットビューからのCTにおける放射線量変調のための三次元断層撮影患者モデルの再構築【JST・京大機械翻訳】

Reconstruction of three-dimensional tomographic patient models for radiation dose modulation in CT from two scout views using deep learning

著者 (7件)： Montoya Juan C. (Department of Medical Physics, University of Wisconsin School of Medicine and Public Health, Madison, Wisconsin, USA) ,  Zhang Chengzhu (Department of Medical Physics, University of Wisconsin School of Medicine and Public Health, Madison, Wisconsin, USA) ,  Li Yinsheng (Department of Medical Physics, University of Wisconsin School of Medicine and Public Health, Madison, Wisconsin, USA) ,  Li Ke (Department of Medical Physics, University of Wisconsin School of Medicine and Public Health, Madison, Wisconsin, USA) ,  Li Ke (Department of Radiology, University of Wisconsin School of Medicine and Public Health, Madison, Wisconsin, USA) ,  Chen Guang-Hong (Department of Medical Physics, University of Wisconsin School of Medicine and Public Health, Madison, Wisconsin, USA) ,  Chen Guang-Hong (Department of Radiology, University of Wisconsin School of Medicine and Public Health, Madison, Wisconsin, USA)
資料名： Medical Physics  (Medical Physics)
巻： 49  号： 2  ページ： 901-916  発行年： 2022年 
JST資料番号： A1258A  ISSN： 0094-2405  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 背景:トモグラフィー患者モデルはX線コンピュータ断層撮影(CT)における放射線量変調に必須である。現在,2視点スクアウト画像(トポグラムとしても知られる)を用いて,比較的均一な減衰係数を持つ患者モデルを推定した。これらの患者モデルは,ヒト被験者の詳細な解剖学的変化を考慮しておらず,従って,新たなCT技術における視野内または臓器特異的線量変調の精度を制限する可能性がある。PURPOSE:本研究の目的は,3Dトモグラフィー患者モデルが,深層学習戦略を用いて2視点スクアウト画像から生成でき,再構成された3D患者モデルが,その後のCTスキャンにおけるフルエンス場変調または臓器特異的線量デリバリーの正確な処方を可能にすることを示すことであった。【方法】CT画像および対応する2視野スクアウト画像を,4214の個々のCT検査から遡及的に収集した。収集したデータを,ScoutCT-NETと呼ばれる深いニューラルネットワークアーキテクチャの訓練のために整理し,2つのビューアウト画像から3Dトモグラフィー減衰モデルを生成した。訓練されたネットワークを,212人の個々の患者から55136の画像のコホートを用いて検証した。再構成された3D患者モデルの精度を評価するために,放射線デリバリー計画をScoutCT-NET 3D患者モデルを用いて作成し,フルエンス場変調CTと臓器特異的CTの両方に対する真のCT画像(金標準)に基づいて処方された計画と比較した。放射線量分布をモンテカルロシミュレーションを用いて推定し,ガンマ解析法を用いて定量的に評価した。変調線量プロファイルを最先端の管電流変調方式と比較した。汎用CT取得および臓器特異的取得に対するScoutCT-NET患者モデルベース線量変調スキームの影響を,全体的画像外観,ノイズの大きさおよびノイズ均一性に関して比較した。【結果】(1)エンドツーエンド訓練ScoutCT-NETは,3D患者減衰モデルを生成するために使用でき,経験的一般化可能性を実証した。(2)3D患者モデルは,実際のCT取得の前に標準ヘリカルCTによって送達された放射線量の空間分布を正確に推定するために使用することができる。金-標準線量分布と比較して,ScoutCT-NETベース線量マップにおけるボクセルの95.0%は,5mmの距離と10%の線量差に対して許容できるガンマ値を有した。(3)3D患者モデルは,管電流変調CTと比較して,患者体全体にわたってより均一な雑音分布を発生させるために,フルエンス場変調CTの正確な処方を可能にした。(4)ScoutCT-NET 3D患者モデルは,与えられた放射線量制約下で与えられた身体領域に対して画像品質をブーストするための臓器特異的CTの正確な処方を可能にした。【結論】2視野スクアウト画像からのScoutCT-NETによって生成された3Dトモグラフィー減衰モデルは,与えられたイメージングタスクのための放射線量減少または画像品質改善の全体的目的のための高精度で,フルエンス場変調または器官特異的CTスキャンを処方するために使用することができる。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  ネットワーク ,  *放射線 ,  ヒト ,  画像 ,  画質 ,  *放射線量 ,  電流制御 ,  *モデル ,  *患者 ,  *三次元 ,  フルエンス ,  ボクセル
準シソーラス用語： CT画像 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層学習 ,  フルエンス場変調CT ,  画像再構成 ,  低線量CT ,  スパースビュー再構成

分類 (2件)： 腫ようの診断  (GE03020J) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (8件)： 深層学習 ,  CT ,  放射線量 ,  変調 ,  断層撮影 ,  患者 ,  モデル ,  再構築