ARTInp: CBCT-to-CT Image Inpainting and Image Translation in Radiotherapy

要約

適応放射線療法（ART）ワークフローの重要なステップは、分娩の精度を確保するための治療時に患者の解剖学的構造を評価することです。
この目的のために、コーンビームコンピューター断層撮影（CBCT）は、費用対効果が高く、治療プロセスに統合しやすいことで広く使用されています。
それにもかかわらず、CBCT画像はCTスキャンよりも解像度が低く、アーティファクトが多く、正確な治療検証の信頼性が低下しています。
さらに、患者の全身視覚化が正確な用量送達に重要である総骨髄照射やリンパ節照射（TMLI）などの複雑な治療では、CBCT画像はしばしば不連続であり、関連する解剖学的情報を含むギャップを残します。
これらの制限に対処するために、Image IningintingとCBCT-to-CT翻訳を組み合わせた新しいディープラーニングフレームワークであるArtINP（適応放射線療法の開始）を提案します。
ARTINPは、デュアルネットワークアプローチを採用しています。CBCTボリュームの解剖学的ギャップを埋める完了ネットワークと、高品質の合成CT（SCT）画像を生成するためのカスタム生成敵意ネットワーク（GAN）を採用しています。
Synthrad 2023 ChallengeのペアCBCTおよびCT画像のデータセットでARTINPを訓練しました。18人の患者のテストセットで達成されたパフォーマンスは、放射線療法のCBCTベースのワークフローを強化する可能性を示しています。

要約(オリジナル)

A key step in Adaptive Radiation Therapy (ART) workflows is the evaluation of the patient’s anatomy at treatment time to ensure the accuracy of the delivery. To this end, Cone Beam Computerized Tomography (CBCT) is widely used being cost-effective and easy to integrate into the treatment process. Nonetheless, CBCT images have lower resolution and more artifacts than CT scans, making them less reliable for precise treatment validation. Moreover, in complex treatments such as Total Marrow and Lymph Node Irradiation (TMLI), where full-body visualization of the patient is critical for accurate dose delivery, the CBCT images are often discontinuous, leaving gaps that could contain relevant anatomical information. To address these limitations, we propose ARTInp (Adaptive Radiation Therapy Inpainting), a novel deep-learning framework combining image inpainting and CBCT-to-CT translation. ARTInp employs a dual-network approach: a completion network that fills anatomical gaps in CBCT volumes and a custom Generative Adversarial Network (GAN) to generate high-quality synthetic CT (sCT) images. We trained ARTInp on a dataset of paired CBCT and CT images from the SynthRad 2023 challenge, and the performance achieved on a test set of 18 patients demonstrates its potential for enhancing CBCT-based workflows in radiotherapy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google