物理学 > 医学物理
[提交于 2025年10月24日
]
标题: 基于两个二维平面测量的患者特异性人工智能生成三维剂量成像
标题: Patient-specific AI for generation of 3D dosimetry imaging from two 2D-planar measurements
摘要: 在本工作中,我们探索了使用患者特定的强化学习从两个二维平面图像(前位和后位)生成三维活动图谱。 使用传统方法解决这个问题仍然不可行,并且在核医学中的剂量测定中具有特别的重要性,因为对于放射性药物如177Lu-PSMA的治疗后分布的方法通常是通过昂贵且耗时的三维SPECT获取或快速但仅限于二维的平面闪烁扫描进行的。 能够从平面闪烁扫描生成三维活动图谱为新的剂量测定应用打开了大门,消除了对SPECT的需求,并促进了多时间点剂量测定研究。 我们的解决方案包括生成一个患者特定的数据集,包含患者解剖结构内放射性药物可能的三维摄取图谱,随后采用一种人工智能方法(我们探索了3DUnet和扩散模型的使用)能够从二维平面图像生成三维活动图谱。 我们在模拟和实际平面采集中验证了我们的方法。 我们观察到使用患者特定的强化学习获得了更好的结果(MAE减少了约20%,SSIM增加了约5%),并且在结合扩散模型与患者特定训练时,器官分割和患者解剖结构更好,模拟的SSIM为0.89,与真实值相比,而与平面扫描后半小时进行的SPECT采集相比,SSIM为0.73。 我们认为,我们的方法可以为核医学剂量测定带来范式转变,仅使用平面闪烁扫描即可实现三维定量,而无需昂贵且耗时的SPECT,利用患者的治疗前信息。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.