换一批基于区域判别生成对抗网络的宫颈癌放射治疗锥形束CT影像质量提升研究
Research on the improvement of CBCT image quality based on region-discriminative generative adversarial networks in radiotherapy for cervical cancer
摘要目的:提出基于区域判别生成对抗网络(GAN)的改善宫颈癌放射治疗锥形束CT(CBCT)图像质量模型,以满足自适应放疗图像质量的需求.方法:采用基于区域判别的策略与生成对抗网络思想,构建一种能够关注宫颈癌放疗影像局部细节的CBCT图像质量提升模型,其判别器可提高图像局部细节的生成质量.将该图像质量模型应用于宫颈癌放疗中的CBCT图像,通过量化指标和可视化评价图像处理效果.结果:CBCT图像质量提升后其纹理清晰度与对比度皆得到明显提升.图像峰值信噪比提高47.2%,结构相似性指标提升至0.838以上.相对于其他模型,在可视化和指标角度皆表现出更好的模型效能,结构相似性与U-Net网络和CycleGAN网络比较分别提高11.88%和19.54%;峰值信噪比分别提高19.75%和25.99%.结论:基于区域判别的GAN可有效提升宫颈癌放疗CBCT图像整体与细节上的生成质量,能够为提升低剂量CBCT图像质量提供新的技术路径,为提高放疗安全性和有效性发挥重要作用,并对制定和执行放疗计划具有重要临床价值.
更多相关知识
关键词
生成对抗网络图像增强宫颈癌锥形束CT(CBCT)放射治疗Generative adversarial network(GAN)Image enhancementCervical cancerCone beam computed tomography(CBCT)Radiotherapy
栏目名称
DOI
10.3969/j.issn.1672-8270.2024.02.001
发布时间
2024-03-12（万方平台首次上网日期，不代表论文的发表时间）
- 浏览26
- 被引1
- 下载14
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
