简介：摘要大数据环境下肿瘤病例为肿瘤的临床诊断提供了庞大的数据资源，同时人工智能技术的发展促进深度学习应用水平不断提升，推动肿瘤MRI图像的快速、精准分类进入深度学习时代。本文主要分为以下四个部分，第一部分针对目前主流的深度学习MRI图像分类模型：卷积神经网络、深度信念网络、深度残差网络、Vision Transformer展开综述。首先，阐述了各模型的历史沿袭、最初针对的问题及主要思想；其次，概括了模型的网络架构并探讨其在MRI图像分类上的最新应用；然后，分析了模型的特点、目前存在的局限及各自发展趋势。第二部分论述了一些影响分类性能的关键因素；第三部分提出了一些广泛使用的性能增强技术；文章最后讨论了深度学习分类MRI图像在临床实践中面临的主要限制，并对未来研究方向进行展望。本文的结果可为研究人员提供一个全面的比较，以及各种深度学习模型的有效性，有望促进脑肿瘤研究的进展。

简介：摘要随着医学图像合成任务复杂度的提高和对临床放疗精度的需求，深度学习算法在伪CT图像合成与分析中的角色越发重要。本文根据图像的模态种类对基于深度学习方法下的伪CT图像合成技术进行归类与分析，并介绍其在放疗应用中的最新进展。

简介：摘要目的利用深度相机开发三维点云放疗实时监测系统并验证其可行性。方法以深度相机坐标系为世界坐标系，由校准模体得到定位CT坐标系与世界坐标系之间的转换关系。患者的定位CT点云经上述关系转换到世界坐标系中并与深度相机实时获取的患者表面点云配准计算六维误差，完成摆位验证及放疗中分次内体位误差监测。统计系统六维计算误差的均值、标准差，配准后点云的豪斯多夫距离以及各部分程序运行时间，验证系统的可行性。选取15例真实患者，统计本系统与锥形线束CT之间六维误差。结果模体实验中，系统在左右、头脚、腹背方向的误差分别为（1.292±0.880）、（1.963±1.115）、（1.496±1.045）mm，在偏转、俯仰、翻滚角度的误差分别为0.201°±0.181°、0.286°±0.326°、0.181°±0.192°。对于真实患者，系统平移误差在2.6 mm以内，旋转误差在1°左右，程序运行1~2帧/s，精度和速度满足放疗要求。结论基于深度相机的三维点云放疗实时监测系统能自动完成放疗前摆位验证、放疗中体位实时监测，并提供误差视觉反馈，具有潜在的临床应用价值。