Fugu-MT 論文翻訳(概要): Accurate Patient Alignment without Unnecessary Imaging Dose via Synthesizing Patient-specific 3D CT Images from 2D kV Images

論文の概要: Accurate Patient Alignment without Unnecessary Imaging Dose via Synthesizing Patient-specific 3D CT Images from 2D kV Images

arxiv url: http://arxiv.org/abs/2405.19338v1
Date: Mon, 1 Apr 2024 19:55:03 GMT
ステータス: 処理完了
システム内更新日: 2024-07-01 08:19:53.645039
Title: Accurate Patient Alignment without Unnecessary Imaging Dose via Synthesizing Patient-specific 3D CT Images from 2D kV Images
Title（参考訳）: 2D kV画像からの患者特異的3次元CT画像の合成による不要画像量のない正確な患者の配位
Authors: Yuzhen Ding, Jason M. Holmes, Hongying Feng, Baoxin Li, Lisa A. McGee, Jean-Claude M. Rwigema, Sujay A. Vora, Daniel J. Ma, Robert L. Foote, Samir H. Patel, Wei Liu,
Abstract要約: 腫瘍の視認性は2次元平面への患者の解剖学的投射により制限される。コーンビームCT(CBCT)などの3D-OBI治療室では、CBCTの視野(FOV)は不要な高画像量に制限される。本稿では, 階層型 ViT ブロックで構築した2次元モデルを用いて, 処理位置から得られた kV 画像から3次元CTを再構成する手法を提案する。
参考スコア（独自算出の注目度）: 10.538839084727975
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: In radiotherapy, 2D orthogonally projected kV images are used for patient alignment when 3D-on-board imaging(OBI) unavailable. But tumor visibility is constrained due to the projection of patient's anatomy onto a 2D plane, potentially leading to substantial setup errors. In treatment room with 3D-OBI such as cone beam CT(CBCT), the field of view(FOV) of CBCT is limited with unnecessarily high imaging dose, thus unfavorable for pediatric patients. A solution to this dilemma is to reconstruct 3D CT from kV images obtained at the treatment position. Here, we propose a dual-models framework built with hierarchical ViT blocks. Unlike a proof-of-concept approach, our framework considers kV images as the solo input and can synthesize accurate, full-size 3D CT in real time(within milliseconds). We demonstrate the feasibility of the proposed approach on 10 patients with head and neck (H&N) cancer using image quality(MAE: <45HU), dosimetrical accuracy(Gamma passing rate (2%/2mm/10%)>97%) and patient position uncertainty(shift error: <0.4mm). The proposed framework can generate accurate 3D CT faithfully mirroring real-time patient position, thus significantly improving patient setup accuracy, keeping imaging dose minimum, and maintaining treatment veracity.
Abstract（参考訳）: 放射線治療では,3D-on-board imaging(OBI)が使用できない場合,2次元直射kV画像が患者のアライメントに使用される。しかし、腫瘍の視認性は、患者の解剖学が2次元平面に投影されることによって制約され、重大な設定ミスを引き起こす可能性がある。コーンビームCT(CBCT)などの3D-OBI治療室では、CBCTの視野(FOV)は不要な高画像量で制限されるため、小児患者には好ましくない。このジレンマの解決策は、治療位置で得られたkV画像から3DCTを再構成することである。本稿では,階層型ViTブロックで構築したデュアルモデルフレームワークを提案する。概念実証法とは違って,kV画像を単独入力とみなし,正確な3DCTをリアルタイムに(ミリ秒で)合成することができる。画像品質 (MAE: <45HU), 線量測定精度 (Gamma pass rate (2%/2mm/10%)>97%) および患者位置の不確実性 (シフトエラー: <0.4mm) を用いた頭頸部癌10例に対するアプローチの有効性を実証した。提案フレームワークは, リアルタイムの患者位置を忠実に反映した3次元CTを高精度に生成し, 患者の設定精度を大幅に向上し, 画像量を最小限に抑え, 治療精度を維持できる。

関連論文リスト

Medical Slice Transformer: Improved Diagnosis and Explainability on 3D Medical Images with DINOv2 [1.6275928583134276]
医用スライストランスフォーマー(MST)フレームワークを導入し,3次元医用画像解析に2次元自己監督モデルを適用した。 MSTは畳み込みニューラルネットワークと比較して、診断精度と説明性の向上を提供する。
論文参考訳（メタデータ） (2024-11-24T12:11:11Z)
OCTCube: A 3D foundation model for optical coherence tomography that improves cross-dataset, cross-disease, cross-device and cross-modality analysis [11.346324975034051]
OCTCubeは、26,605個の3D OCTボリュームで事前訓練された3Dファンデーションモデルである。インダクティブとクロスデータセットの両方の設定で8つの網膜疾患を予測する場合、2Dモデルよりも優れています。また、クロスデバイス予測や、糖尿病や高血圧などの全身疾患の予測に優れたパフォーマンスを示す。
論文参考訳（メタデータ） (2024-08-20T22:55:19Z)
Slice-Consistent 3D Volumetric Brain CT-to-MRI Translation with 2D Brownian Bridge Diffusion Model [3.4248731707266264]
神経画像では、一般的に、脳のCTはMRIよりも費用効率が高く、アクセスしやすい。医用画像・画像翻訳(I2I)は有望な解決策である。本研究は,2次元 DM のみに基づく高品質な3次元医療用 I2I を実現する最初の試みである。
論文参考訳（メタデータ） (2024-07-06T12:13:36Z)
Generative Enhancement for 3D Medical Images [74.17066529847546]
本稿では,3次元医用画像合成の新しい生成手法であるGEM-3Dを提案する。本手法は2次元スライスから始まり,3次元スライスマスクを用いて患者に提供するための情報スライスとして機能し,生成過程を伝搬する。 3D医療画像をマスクと患者の事前情報に分解することで、GEM-3Dは多目的な3D画像を生成する柔軟な、かつ効果的なソリューションを提供する。
論文参考訳（メタデータ） (2024-03-19T15:57:04Z)
On the Localization of Ultrasound Image Slices within Point Distribution Models [84.27083443424408]
甲状腺疾患は高分解能超音波(US)で診断されることが多い縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。 3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
論文参考訳（メタデータ） (2023-09-01T10:10:46Z)
3DSAM-adapter: Holistic adaptation of SAM from 2D to 3D for promptable tumor segmentation [52.699139151447945]
医用画像の領域分割を行うために, SAMを2次元から3次元に変換する新しい適応法を提案する。本モデルでは, 腎腫瘍, 膵腫瘍, 大腸癌の3つのタスクのうち8.25%, 29.87%, 10.11%の3つのタスクにおいて, ドメイン・オブ・ザ・アーティヴ・メディカル・イメージ・セグメンテーション・モデルより優れ, 肝腫瘍セグメンテーションでも同様の性能が得られる。
論文参考訳（メタデータ） (2023-06-23T12:09:52Z)
Deep-Learning-based Fast and Accurate 3D CT Deformable Image Registration in Lung Cancer [14.31661366393592]
腫瘍の視認性は、患者の3D解剖が2D平面に投影されるため制限される。治療位置において、治療アイソセンタで得られたkV画像から3DCT画像を再構成する。患者固有の視覚変換器ベースのネットワークを開発し,精度と効率性を示した。
論文参考訳（メタデータ） (2023-04-21T17:18:21Z)
Perspective Projection-Based 3D CT Reconstruction from Biplanar X-rays [32.98966469644061]
我々は,X線を用いた新しいCT再構成フレームワークPerX2CTを提案する。提案手法は,各座標に対して異なる特徴の組み合わせを提供し,モデルが3次元位置に関する情報を暗黙的に取得できるようにする。
論文参考訳（メタデータ） (2023-03-09T14:45:25Z)
Automated Model Design and Benchmarking of 3D Deep Learning Models for COVID-19 Detection with Chest CT Scans [72.04652116817238]
3D胸部CTスキャン分類のための3D DLモデルを自動的に検索するための差別化可能なニューラルネットワーク探索(DNAS)フレームワークを提案する。また,我々のモデルのクラスアクティベーションマッピング(cam)技術を利用して,結果の解釈可能性を提供する。
論文参考訳（メタデータ） (2021-01-14T03:45:01Z)
Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文参考訳（メタデータ） (2020-12-16T07:11:16Z)
Convolutional-LSTM for Multi-Image to Single Output Medical Prediction [55.41644538483948]
発展途上国の一般的なシナリオは、複数の理由からボリュームメタデータが失われることである。ヒトの診断過程を模倣したマルチイメージから単一診断モデルを得ることが可能である。
論文参考訳（メタデータ） (2020-10-20T04:30:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。