简介:摘要目的采取有效的配准方式,证实合理的配准方式对于CT、MR扫描的图像融合对胶质瘤靶区勾画的重要性、可行性及对放疗的应用的价值。方法抽取两组各10例临床上术后病理确诊为胶质瘤的患者,所有患者在进行治疗前均行CT增强扫描和MR增强扫描。第一组在体表不做标记点,并且MRI扫描时不采用和CT扫描时的头枕。第二组按研究的目的在体表做好标记并做到CT扫描和MR扫描的患者体位尽量保持一致(MRI扫描时选择和CT扫描时采用类似的头枕)。将扫描完的图像传输到放疗室中的TPS中,然后分别采用Manual和PointMatch法进行图像标配。配准完成后进行图像融合,直到到达满意的融合效果。然后由放疗科两位副主任职称的放疗医师及我院放射科一名副主任以上的医师对融合图像进行评估和勾画,分别在CT、MRI及融合好的图像上勾画临床靶区(ClinicaltargetVolume)CTV及周围正常危及器官(眼球、晶体、视神经、脑干、脊髓等)。在融合好的图像上勾画CTV并设为CTV-CT/MR,以此类推,定义为设为CTV-CT,CTV-MR。然后对比两组的CTV重合度(CTV-T)来评价CT和MRI图像融合的精度,即V-CTV-T的体积占CT图像上V-CTV-CT的百分比V-CTV-T=CTV-CT/MR/V-CTV-CT*100%(理想状态下为1)。并且计算二组在配准状态下的三维方向上的误差大小。结果1.第一组和第二组CTV重合度(融合的图像与CT对比)为0.8士0.26,0.91士0.11,二者差异具有统计学意义。第一组和第二组CTV重合(融合的图像与MRI对比)为0.92士0.15,1.02士0.08,两者差异也具有统计学意义。但与单纯CT对比,MRI更接近与1,差异性小。2.利用PointMarch计算第一组X,Y,Z轴方向的平均误差为(0.65士0.17)mm,(1.2士0.11)mm;(2.2士0.20)mm,三维空间总的平均误差为(2.24士1.15)mm;第二组X,Y,Z轴方向的平均误差为(0.25士0.11)mm,(0.6士0.11)mm;(1.2士0.20)mm,三维空间总的平均误差为(1.26士0.35)mm。不加标记点的误差明显大于加标记点的,并且不加标记点的误差超过了误差范围。结论1.体位一致的CT和MRI扫描是两者图像融合的关键,体位一致的图像融合技术误差在可接受的范围内。2.MRI扫描的图像勾画靶区比CT勾画靶区的精度高。
简介:摘要:目的:本项研究的目的是考察一种创新的PET-CT图像配准技术,并借助该方法优化放射性治疗过程中的剂量计量技术,旨在增强疗效的精准度和提升病人的安全保障。方法:本研究实施了一种基于深度学习的图像配准算法对PET-CT图像进行自动配准,并对50位接受放射疗法的病患进行了该技术的应用验证。收集校正前后的视觉资料应用优化的剂量估算方法来判定校正成效,并透过临床监测确认校正与剂量估算的精确度。结果:通过引入深度学习技术,我们的图像配准方法在视觉和数量上均显著优于传统方法,配准精度达到98.5%,并且将剂量计算的误差减少到1.2%以下。在治疗监测阶段采纳本研究所提出的方案进行治疗的病人,疗效显著优于对照组,且不良反应出现的比例较低(15%相较于25%)。结论:本实验所构建的深度学习驱动的PET-CT图像配准及辐射剂量测量方法,在增强放疗准确度和病人保护层面展现了突出的益处。