Apr, 2024

通过 2D kV 图像合成病人特定的 3D CT 图像实现精确的病人对准，无需额外的成像剂量

PDF
TL;DR提出了使用双模型框架，通过层次化 ViT 模块从 kV 图像中实时重建准确的全尺寸 3D CT，以显著提高患者摆位精度并保持最小的成像剂量，同时维护治疗的准确性。
radiotherapy2d orthogonally projected kv images3d-on-board imaging(obi)hierarchical vit blockshead and neck (h&n) cancer
发现论文，激发创造
  • 基于深度学习的快速准确肺癌三维 CT 可变形图像配准

    该研究开发了一种基于视觉转换的非对称自编码器网络，可以从 2D 的 kV 图像中重建出 3D CT 图像，实现了患者定位精度的提高。

    Apr, 2023

  • XraySyn：基于 CT 先验的单张 X 光逼真视图合成

    该文介绍了一种基于 CT 投影算法的 X 光图像合成方法，可以在无须地面真值骨标记的情况下从真实的放射性照片中综合出新的视图。

    Dec, 2020

  • XTransCT：使用转换网络通过两个正交 X 射线投影进行超快速体积 CT 重建

    本文提出了一种名为 XTransCT 的新型 Transformer 架构，可从二维 X 光图像中实时重建 CT 图像，该方法在图像质量、结构可靠性和普适性方面优于其他方法，并且可以在重建 3D 图像的同时实现约 300％的速度提高。

    May, 2023

  • 少数平面 X 射线的 CT 重建及其在低资源放疗中的应用

    通过使用先前数据分布，我们提出了一种方法，从少量（＜5）平面 X 射线观察中生成 CT 体积，并首次评估了该重建算法用于临床应用：放疗计划。

    Aug, 2023

  • C^2RV：稀疏视图 CBCT 重建的跨地域和跨视图学习

    通过利用显式多尺度体素表示来实现三维空间中的区域间学习，并引入比例 - 视图交叉注意模块以自适应地聚合多尺度和多视图特征，我们提出了 C^2RV 方法，通过广泛实验证明其在具有多样化解剖结构的数据集上相比先前的领先方法实现了一致并显著的改进。

    Jun, 2024

  • CT 扫描中的多视角 X 射线图像合成与多域解缠

    通过引入内容和风格的解耦技术以及姿态注意力模块，利用 CT2X-GAN 方法，该研究提出了一种学习式的端到端合成 X 射线图像的方法，从而改善合成质量并使其更接近真实的 X 射线图像。

    Apr, 2024

  • 多通道循环生成对抗网络在 CBCT 到 CT 的合成中的应用

    用于改善图像质量并实现精确剂量计算的图像合成技术，通过多通道输入强调特定图像特征，有效应对 CBCT 成像中的挑战，并引入辅助融合网络以进一步提高生成 sCT 图像的保真度。

    Dec, 2023

  • 使用联合监督与对抗学习的 CT 呼吸运动合成

    提出了一种深度合成方法，通过将外部患者表面估计作为条件合成来生成伪呼吸 CT 相位，以实现运动感知的治疗计划，并展示了其能够以与重复扫描的真实 4DCT 相位相似的准确性捕捉器官和肿瘤的运动。

    Mar, 2024

  • RT-SRTS：单次 X 射线投影中的角度无关实时三维重建和肿瘤分割

    本研究提出了一种新的成像方法 RT-SRTS，基于多任务学习将 3D 成像与肿瘤分割集成到一个网络中，能够实时、同时从任意角度的单一 X 射线投影中进行 3D 重建和肿瘤分割，并通过增强的校准器和不确定区域详细化模块来提高特征提取和分割准确性。该方法在十个患者病例上进行了评估，并与两种最先进的方法进行了比较，结果不仅显示出优越的 3D 重建效果，而且具有可观的肿瘤分割结果。同时重建和分割可以在约 70 毫秒内完成，远远快于实时肿瘤跟踪的所需时间阈值。AEC 和 URE 的有效性也通过消融研究得到了验证。

    Oct, 2023

  • 实时感知技术在导管室自动化中的应用

    AutoCBCT 是一个基于视觉感知系统的融入血管造影套房中的创新工作流，通过自动定位、导航和模拟测试运行，消除了手动操作和交互，从而提高了工作效率。

    Mar, 2024