基于3D深度卷积神经网络依据MRI生成伪CT的研究

• 作者: 付东山 王伟 菅影超
• 来源期刊: 天津医科大学学报
• 学科: 医学
• 关键词: MRI 伪CT 深度卷积神经网络 U-net 平均绝对误差
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 临床医学
• 页码范围: 133-137
• 页数: 5页
• 分类号: R815.2
• 字数: 2910字
• 语种: 中文

摘要

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.