A novel Boltzmann equation solver for calculation of dose and fluence spectra distributions for proton beam therapy
The University of Texas MD Anderson Cancer Center（德克萨斯大学安德森癌症中心）
本文提出了一种新的玻尔兹曼方程求解器，用于在质子束治疗中实现高精度的剂量和通量谱分布计算。
2026-03-11 physics.med-ph
The Development of a Preclinical Alpha Irradiation Platform with Versatile Control of Dose, Dose Rate, and Spatiotemporal Irradiation Patterns
The University of Texas at Arlington（德克萨斯大学阿灵顿分校）
本研究开发了一种基于真空的α辐射平台，实现对能量、通量率和时空分布的多参数控制，用于预临床放射生物学研究。
2026-02-08 physics.med-ph
Introducing the "opacity" for IMPT planning: can it improve robustness and quality of plans?
强度调制质子治疗（IMPT）通过应用多个角度间隔的场提供高度适形的剂量分布，每个场应用空间变化的粒子注量的特定图案。特别是，布拉格峰同时优化的所有领域。一旦设置了射野的数量和方向，IMPT计划的剂量分布就由分配给肿瘤周围特定危险器官（OAR）的剂量约束来确定。在这项工作中，我们引入了一个新的功能OAR，称为“不透明度”，旨在提高IMPT计划的质量和鲁棒性，通过修改，在预优化阶段，笔形光束的注量，这些结构相交。建议的IMPT计划策略是针对那些临床病例，其中金属假体或快速密度变化的器官可能会损害剂量分布的稳定性。我们展示了如何使用这个额外的参数可以导致更准确的IMPT计划的情况下，只有剂量限制。
2017-03-09 physics.med-ph
A Beam's Eye View to Fluence Maps 3D Network for Ultra Fast VMAT Radiotherapy Planning
Siemens Healthineers（西门子医疗）；Varian Medical Systems（瓦里安医疗系统公司）
本文提出一种三维深度网络，以RT剂量图为输入直接预测VMAT计划的180张注量图，并通过BEV投影预处理和Eclipse扩充数据集，将PSNR提升约8 dB，实现超快速放疗计划。
2025-02-05 cs.AI eess.IV physics.med-ph
The influence of nuclear models and Monte Carlo radiation transport codes on stray neutron dose estimations in proton therapy
本文研究了几种蒙特卡罗辐射输运程序和核模型对次级中子能谱模拟的影响及其对质子治疗中子剂量计算和测量的影响。使用三种不同的多用途蒙特卡罗辐射输运代码（FLUKA、MCNPX、Geant 4）和不同的可用核模型，使用10 cm x 10 cm矩形单能质子束（110、150、180和210 MeV）计算PMMA壁水箱体模内各点的次级中子能谱。采用比释动能近似，利用水中注量-剂量当量转换系数计算了二次中子剂量。此外，电化学蚀刻的CR 39检测器校准的不同光谱的影响进行了分析，为不同的代码和模型。在布拉格峰以外的远端位置，结果显示最大的代码之间的变化，高达53%的高能量中子注量在16厘米从布拉格峰的110 MeV质子束。在横向位置，代码之间的变化较小，总中子注量在20%以内。MCNPX中的核模型的变化仅在180和210 MeV的质子束能量下可见，并且在距离束轴11 cm的横向处对210 MeV的高能量中子注量进行建模，其高达23%。对于所使用的不同模型，对中子剂量当量的影响有限（<8%），而对于不同的代码，影响很明显（在距离110 MeV质子束的布拉格峰16 cm处为45%）。CR 39横向校正因子在程序间平均变化10%，在核模型间平均变化5%，这表明不同程序对计算的中子注量谱有很大影响，而MCNPX中不同模型对质子治疗中子模型的影响较小。
2021-12-07 physics.comp-ph physics.med-ph
Fast approximate delivery of fluence maps: the single map case
在这两篇论文系列的第一篇论文中，我们提出了一种优化放射治疗中注量图动态传递的方法。对于给定的注量图和给定的递送时间，多叶准直器的叶轨迹的优化以近似地形成给定的注量图是非凸优化问题。其一般解决方案尚未在文献中提出，尽管注量图的动态递送长期以来一直是调强放射治疗的常用方法。我们将叶片轨迹和剂量率优化建模为非凸连续优化问题，并从随机初始化的可行起始解通过内点法求解。我们证明了从前列腺的情况下，从头部和颈部的情况下，一个较大的通量图的通量图的方法。虽然静态射束调强放疗交付有用，我们这项工作的主要动机是扩展到顺序注量图交付的情况下，即VMAT的情况下，这是第二篇论文的主题。
2016-08-09 physics.med-ph
Near, far, wherever you are: simulations on the dose efficiency of holographic and ptychographic coherent imaging
在X射线显微镜的不同研究已经得出了相互矛盾的结论，剂量效率的成像模式，涉及记录的强度分布在近（菲涅耳制度）或远（夫琅和费制度）场下游的标本。我们在这里提出了近场全息（NFH），近场重叠关联（NFP），和远场重叠关联（FFP），其中重叠关联涉及多个重叠的有限大小的照明位置的剂量效率的数值研究。与已报道的相干衍射成像（CDI），其中涉及记录一个单一的远场衍射图案，我们发现，所有三种方法提供类似的图像质量时，使用相同的通量的标本，远场重叠提供更好的空间分辨率和更低的平均误差。这些结果支持这样的概念：（如果实验和图像重建正确完成）样品可以近，也可以远;无论你在哪里，样品上的光子注量都会对空间分辨率设置一个限制。
2020-03-11 eess.IV physics.app-ph physics.med-ph
Multi-Source Static CT with Adaptive Fluence Modulation to Minimize Hallucinations in Generative Reconstructions
本研究针对多源静态CT成像，提出聚光准直器自适应通量调制方法结合LPS生成式重建算法，可有效降低重建图像的幻觉伪影与后验标准差，提升低剂量稀疏视角下的图像质量与诊断潜力。
2025-02-20 physics.med-ph
Multicriteria VMAT optimization
目的：旨在加快容积调制弧治疗（VMAT）的计划，并探索计划目标和输送效率之间的权衡。方法：对180个等间距射束的角网格，求解凸多准则剂量优化问题。这允许规划者导航理想剂量分布帕累托表面，并选择期望的目标覆盖相对于有风险的器官保留的规划。然后，通过注量图合并和排序算法使所选择的计划成为可交付的VMAT，该算法基于相似性得分来组合相邻的注量图，然后将合并的图一起交付，从而简化交付。只要保持剂量分布质量，就进行连续合并。完整的算法称为VMERGE。结果：VMERGE应用于三个病例：前列腺、胰腺和大脑。在每种情况下，所选择的帕累托最优计划几乎与VMAT合并例程完全匹配，从而在平均不到五分钟的时间内以单个弧交付高质量计划。VMERGE提供了对现有VMAT算法的重大改进。第一个是多标准规划方面，这大大加快了规划时间，并允许用户选择的计划，这代表了最理想的目标覆盖范围和器官之间的折衷在危险的保留。第二个是最终VMAT计划的用户选择的ε-最优性保证。最后，用户可以探索交付时间和计划质量之间的权衡，这是VMAT的一个基本方面，目前的商业计划系统不能很容易地调查。
2011-12-06 physics.med-ph
A nonconvex optimization approach to IMRT planning with dose-volume constraints
用于强度调制放射治疗规划的通量图优化可以被公式化为具有与肿瘤和危险器官相关联的竞争目标和约束的大规模逆问题。不幸的是，临床相关的剂量-体积约束是非凸的，因此凸问题的标准算法不能直接应用。虽然以前的工作集中在这些约束的凸近似，我们提出了一种新的松弛方法来处理非凸剂量体积约束。我们开发了高效的，可证明收敛的算法的基础上部分最小化，并展示了如何适应他们来处理最大剂量的约束和不可行的问题。我们使用CORT数据集展示了我们的方法，并表明它很容易适应于多个肿瘤和危险器官的剂量体积约束的放射治疗计划。
2021-08-11 math.OC physics.med-ph q-bio.QM
Organ Dose Conversion Factors for Murine Galactic Cosmic Ray Irradiation
本文为GCRsim设施中小鼠照射建立了器官剂量转换因子库，基于PHITS蒙特卡罗模拟计算六个方向的DCFs，验证误差在10%以内，以提升深空任务辐射风险评估的准确性。
2025-09-06 physics.med-ph
Radon induced hyperplasia: effective adaptation reducing the local doses in the bronchial epithelium
有实验和组织学证据表明，慢性刺激和细胞死亡可能导致暴露组织增生。由于吸入氡子体的异质沉积导致支气管分叉峰值处的局部剂量较高，因此较早时提出，慢性氡暴露后这些沉积热点会发生增生。本研究的目的是量化如何诱导基底细胞增生调制微剂量的后果，一个给定的氡暴露。为此，基于组织学数据，用六种不同细胞类型的球形细胞核生成数值上皮模型。基底细胞增生通过具有额外基底细胞和增加的上皮厚度的上皮模型来建模。α粒子的微剂量测定是由一个自己开发的蒙特卡罗代码。结果表明，随着增生程度的增加，组织平均剂量、基底细胞平均命中数和剂量均降低。命中和剂量分布表明，增生的诱导可能导致基底细胞池被屏蔽α辐射。它强调，暴露历史影响目前暴露的微剂量学后果，而生物和健康影响也可能取决于以前的暴露。增生的诱导可以被认为是组织水平的辐射适应性反应。从机械学的角度来看，组织的这种适应性挑战了剂量率有效性因子应用的有效性。由于辐射敏感靶细胞的位置可能会因先前的照射而发生变化，因此考虑正常条件下组织几何特征的剂量测定模型可能不适用于长期照射情况下的剂量估计。由于内照射经常是慢性的，组织的这种变化...
2016-03-03 physics.bio-ph physics.med-ph q-bio.TO
GPU-based Monte Carlo radiotherapy dose calculation using phase-space sources
一种新的相空间源的实现已被设计为基于GPU的蒙特卡罗剂量计算引擎。由于GPU硬件的并行化性质，必须同时传输相同类型和相似能量的粒子，但空间上分开以产生高效率。我们提出了三种方法相空间的实施，已被集成到最新版本的基于GPU的蒙特卡罗放射治疗剂量计算包gniv3.0。第一种方法是从患者相关的相空间中顺序读取粒子，并基于粒子类型和能量对它们进行实时排序。第二种方法通过简单的次级准直器模型和注量图实现来补充这一点，以便可以使用与患者无关的相空间源。最后，作为第三种方法（称为相空间，让，或PSL，方法），我们引入了一种新的策略来预处理患者独立的相空间和bin粒子的类型，能量和位置。位于包围治疗场的感兴趣的矩形区域之外的位置箱被忽略，从而大大减少了模拟时间。这三种方法在相对于BEAMnrc/DOSXYZnrc的绝对剂量下进行了验证，并使用伽马指数测试（高于10%等剂量的2%/2 mm）进行了比较。结果发现，PSL方法在准确性和效率之间具有最佳平衡，因此被用作gsoft3.0版中的默认方法。使用PSL方法，在水中4 × 4、10 × 10和30 × 30 cm 2的开放场分别产生99.96%、99.92%和98.66%的伽马通过率。相对输出系数在1%以内。使用PSL方法的IMRT患者计划的通过率为97%，并且使用单个GPU在50秒内计算，而BEAMnrc/DOSXYZnrc为8.4小时（每个CP…
2013-06-19 physics.med-ph
The fixed-point iteration method for IMRT optimization with truncated dose deposition coefficient matrix
在调强放射治疗（IMRT）的治疗计划优化中，剂量沉积系数（DDC）矩阵通常被预先计算，以参数化单位强度的每个子束对感兴趣体积中每个体素的剂量贡献。然而，由于计算机内存的限制和对计算效率的要求，在实践中，小值的矩阵元素通常被截断，这不可避免地损害了所得计划的质量。一个固定点迭代计划已被应用在调强放射治疗优化来解决这个问题，已被报道是有效的和高效的数值实验的观察的基础上。在本文中，我们的目的是指出这一计划背后的数学和回答以下三个问题：1）是否不动点迭代算法收敛或不？2)当收敛时，不动点解是否与用完全DDC矩阵得到的原解相同？3)如果不相同，不动点解是否比不经不动点迭代得到的截断问题的朴素解更精确？为了回答这些问题，我们首先使用简化的注量图优化（FMO）模型进行数学分析和推导。然后，我们进行了数值实验的头颈部病人的情况下，使用简化和原始的FMO模型。我们的数学分析和数值实验表明，适当的DDC矩阵截断，不动点迭代收敛。即使收敛的解决方案是不是一个，我们得到的完整的DDC矩阵，固定点迭代方案可以显着提高计划的精度相比，截断问题的解决方案，没有固定点迭代。
2013-03-14 physics.med-ph
3D conformal planning using low segment multi-criteria IMRT optimization
目的：评价自动多标准优化（MCO）-设计用于调强放射治疗（IMRT），但调用有限的分割-有效地产生高质量的3D适形治疗（3D-CRT）计划。方法：10例患者先前计划接受3D-CRT，采用低段逆多标准优化技术重新计划。MCO-3D计划使用与相应3D计划相同的射束数量、射束几何形状和机器参数，但限于6 MV的能量。使用基于通量的MCO IMRT算法优化MCO-3D计划，然后在MCO导航后，使用少量节段进行分段。通过评价单个危及器官（OAR）的平均剂量、合并OAR的平均剂量、均匀性指数（HI）、监测单位（MU）、医生偏好以及计划时间和计划可定制性的定性评估，对3D和MCO-3D计划进行比较。结果如下：MCO-3D计划显著降低了OAR平均剂量和监测单位，同时保持了良好的靶体积覆盖率和均匀性。MCO允许更精简的计划定制。所有MCO-3D计划都是医生首选的，而不是其相应的3D计划。结论：高质量的3D计划可以使用调强放射治疗优化技术产生，从而产生具有良好监视器单元效率的自动化场中场类型计划。在诊所中采用这项技术可以简化治疗计划的制定。
2014-01-31 physics.med-ph
Towards the optimization of ballistics in proton therapy using genetic algorithms: implementation issues
通过质子束递送到计划靶体积的剂量是高度适形的，保留了处于危险中的器官和正常组织。最近提出了适用于点扫描技术的新的治疗计划系统，以同时优化几个射野，从而改善剂量输送。在本文中，我们研究了一个新的优化框架的基础上，遗传算法的方法。这一工具的目的是使人们有可能探索新的治疗方案，并可能利用未来的强化技术。优化框架被设计为通用的，并考虑到许多自由度，没有任何{ \it先验}技术约束。为了测试我们的算法的行为，我们在本文中提出，作为一个例子，优化光束能量密度，目标点和照射方向在同一时间。所提出的优化例程通常考虑固定大小的数千个点。进化是由三个标准的遗传算子：变异，交叉和选择。优值（或适应度）基于相对于肿瘤的剂量处方以及针对风险器官和正常组织设定的限制的目标函数。通量优化是通过一个特定的计划进行的基础上的平原梯度与解析解。解决了几个具体的遗传算法的问题：（一）突变率调整，以平衡搜索和选择力，（二）初始人口选择使用自举技术和（iii）按比例缩小计算时间，剂量计算进行了快速分析射线跟踪方法和多线程。在本文中，实施问题的优化框架进行了彻底的描述。所提出的遗传算法的行为说明在小学和临床现实的测试用例。
2022-05-17 cs.NE physics.med-ph
Dose Prediction with Deep Learning for Prostate Cancer Radiation Therapy: Model Adaptation to Different Treatment Planning Practices
UT Southwestern Medical Center（德克萨斯大学西南医学中心）；University of North Texas（北德克萨斯大学）；UCLouvain（鲁汶大学）；Erasmus University Medical Center（伊拉斯姆斯大学医学中心）
这项工作的目的是研究预先开发的深度学习（DL）剂量预测模型的通用性，用于前列腺癌的体积调制弧治疗（VMAT），并使该模型适应三种不同的内部治疗计划风格和一种外部机构计划风格。我们使用来自108例既往接受VMAT治疗的前列腺癌患者的计划数据建立了源模型。对于迁移学习，我们选择了来自同一机构的三种不同风格的患者病例和来自不同机构的一种风格，以使源模型适应四个目标模型。我们比较了由源模型和靶模型预测的剂量分布与临床剂量预测，并使用10%至100%等剂量体积的Dice相似性系数（DSC）和计划靶体积和危及器官的剂量体积直方图（DVH）参数量化了靶模型相对于源模型的预测质量的改善。源模型可准确预测在相同源样式中生成的计划的剂量分布，但对于三种内部和一种外部靶样式，其表现次优，内部和外部样式的平均DSC范围分别为0.81-0.94和0.82-0.91。通过迁移学习，目标模型预测将内部和外部风格的平均DSC分别提高到0.88-0.95和0.92-0.96。目标模型预测显着提高了DVH参数预测的准确性，在1.6%以内。我们证明了基于DL的剂量预测模型的泛化能力以及使用迁移学习解决这个问题的可行性。每种风格有14-29例病例，我们成功地将源模型应用于几种不同的实践风格。这为基于DL的剂量预测的广泛临床实施指明了现实的途径。
2020-06-30 cs.LG eess.IV physics.med-ph
Evaluating the effectiveness of concrete and metal shields in photoneutron reduction: A Monte Carlo study
本文利用 MCNPX 蒙特卡罗模拟 18 MV Elekta Infinity 直线加速器，比较不同混凝土混合物对迷道及治疗室光中子注量和门后中子当量剂量的屏蔽效果。
2025-05-14 nucl-th physics.med-ph
A Fast Deep Learning Approach for Beam Orientation Optimization for Prostate Cancer IMRT Treatments
我们提出了一种基于深度神经网络（DNN）的快速光束方向选择方法，能够开发出与最先进的列生成方法相当的计划。我们的模型的新颖性在于其监督学习结构，DNN架构，以及从解剖特征学习以预测剂量学上合适的射束方向的能力，而不使用来自候选射束的剂量学信息，这是一个耗时且计算昂贵的过程。这可以节省计算时间。一个有监督的DNN被训练来模仿列生成算法，该算法通过基于KKT最优性条件计算波束适应度值来迭代地选择波束方向。该数据集包含70名前列腺癌患者。DNN使用Adam优化器和6重交叉验证技术训练了400多个epoch，每个epoch有2500步。6倍中训练、验证和测试损失函数的平均值和标准差最多为1.44%。由列生成和DNN生成的计划之间的PTV剂量覆盖率的差异为0.2%。危险器官接受的平均剂量差异在1%到6%之间：膀胱的平均差异最小，然后是直肠、左股骨头和右股骨头。人体接受的剂量平均相差0.1%。在所提出的方法的训练阶段中，该模型基于患者的解剖特征学习合适的射束方向，并且省略了针对所有可能的候选射束的剂量影响矩阵的时间密集型计算。求解通量图优化以获得最终治疗计划需要仅计算选定射束的剂量影响矩阵。所提出的DNN是一种基于快速射束方向选择方法，可在数秒内选择射束方向，因此适用于临床常规。
2019-12-19 physics.med-ph
Domain Adaptation of Automated Treatment Planning from Computed Tomography to Magnetic Resonance
University of Toronto（多伦多大学）；Techna Institute, University Health Network（大学健康网络泰克纳研究所）；Princess Margaret Cancer Center（玛格丽特公主癌症中心）；Peter Munk Cardiac Center, University Health Network（大学健康网络彼得·蒙克心脏中心）；Joint Department of Medical Imaging, University Health Network（大学健康网络医学影像联合部）；Vector Institute（矢量研究所）
目的：基于机器学习（ML）的放射治疗（RT）计划解决了传统逆向计划的迭代和耗时性质。鉴于仅磁共振（MR）治疗计划工作流程的重要性日益增加，我们试图确定在计算机断层成像（CT）成像上训练的基于ML的治疗计划模型是否可以通过域自适应应用于MR。方法：在这项研究中，收集了55例前列腺癌患者在MR直线加速器治疗后的MR和CT图像。使用RayStation 8B中的市售模型，在CT和MR成像上为每例患者生成基于ML的计划。使用机构剂量体积评价标准比较了基于MR和CT的计划的剂量分布和接受率。MR和CT计划之间的剂量学差异进一步分解为设置、队列和成像域组件。结果如下：MR计划是高度可接受的，与96.3%的CT计划相比，满足93.1%的所有评价标准，除了膀胱壁、阴茎球、小肠和大肠以及一个直肠壁标准之外，所有评价标准的剂量等效（p<0.05）。改变输入成像模式（域组件）仅占MR和CT计划之间观察到的剂量差异的一半左右。ML训练集和MR直线加速器队列（队列组件）之间的解剖学差异也是一个重要因素。重要性：我们能够使用CT训练的ML模型创建高度可接受的基于MR的治疗计划进行治疗计划，尽管观察到与基于CT的计划的临床显著剂量偏差。
2022-03-07 cs.LG physics.med-ph
Optimization Strategies for Beam Direction and Dose Distribution Selection in Radiotherapy Planning
本文研究利用CNN结合PSO和GWO优化算法自动选择放射治疗射束方向与剂量分布，在70例前列腺癌数据上验证其效果可与传统列生成方法相当，显著缩短计划时间并提升计划质量。
2023-12-03 math.OC physics.med-ph
X-ray ghost tomography: denoising, dose fractionation and mask considerations
最近在X射线领域成功地实现了鬼成像;由于X射线的穿透能力，这立即打开了X射线鬼断层扫描的可能性。目前文献中没有关于这一主题的研究。在这里，我们提出了适应传统的断层扫描技术，这种新的鬼成像方案。通过X射线鬼成像断层扫描的几个数值实现被认为是。特别注意的是所产生的断层重建，剂量分级相关的问题，以及考虑有关的合奏用于鬼成像的照明掩模的去噪计划。每一个主题都是通过一系列的数值模拟来探索的，并为实际实现X射线鬼断层扫描提供了一些建议。
2018-04-10 eess.IV physics.med-ph
Radiation design in computed tomography via convex optimization
本文提出基于凸优化的动态通量场调制方法，综合考虑患者解剖、器官敏感性和感兴趣区域，以在保持图像质量的同时降低CT有效辐射剂量。
2023-12-31 math.OC physics.med-ph stat.AP
4$π$ Planning for the Reduction of Predicted Hematologic Toxicity Risk in Cervical Cancer Radiotherapy
University of California-San Francisco（旧金山加利福尼亚大学）；Affiliated Hospital of Jiangnan University（江南大学附属医院）
该研究针对宫颈癌共面放疗的血液学毒性风险，用114例患者数据训练模型，发现4π非共面放疗可降低骨髓等剂量，使预测HT风险降23%，为减少该毒性提供了新方案。
2026-08-14 physics.med-ph
Variable length genetic algorithm with continuous parameters optimization of beam layout in proton therapy
质子治疗是一种快速发展的治疗方式。质子束的特点是在质子轨迹末端的最大剂量沉积，然后急剧下降，质子束可以向肿瘤提供高度适形的剂量，同时保留有风险的器官和周围的健康组织。基于点扫描技术的新治疗计划系统现在可以提出多场优化。然而，在大多数情况下，这种优化仅处理场通量，而弹道学（场几何形状）的选择留给肿瘤学家和医学物理学家。在这项工作中，我们研究了一个新的优化框架的基础上的遗传方法。该工具旨在探索新的辐照方案，并评估实际或未来辐照系统的潜力。我们建议同时优化目标点和光束入射角在一个连续的方式和可变数量的光束。不考虑\textit{a priori}技术约束，\textit{i.e.} ~射束能量值、入射方向和靶点是自由参数。该算法是基于一个经典的遗传算子的修改版本：变异，交叉和选择。我们使用实数编码与随机扰动的参数，以获得一个连续变化的潜在的解决方案。我们还引入了一个扰动的交换点的交叉，以允许变化的数量的光束。这些变化通过引入束流通量下限来控制。在本文中，我们提出了一个完整的描述的算法和它的行为在一个基本的测试用例。所提出的方法，最后在临床上现实的测试情况下进行评估。
2022-05-17 cs.NE physics.med-ph
Optimizing dual-energy CT technique for iodine-based contrast-to-noise ratio
本研究提出一种系统性方法，通过分析DECT噪声传播并优化X射线管设置、通量及VMI能量，在固定受试者尺寸和总辐射剂量下最大化材料密度图像的碘对比噪声比，并证明60/120 kV管电位在55 KeV处实现最大CNR。
2023-07-28 physics.med-ph
Self-supervised Dynamic CT Perfusion Image Denoising with Deep Neural Networks
Center for Advanced Medical Computing and Analysis（高级医学计算与分析中心）；Gordon Center for Medical Imaging（戈登医学成像中心）；Massachusetts General Hospital（麻省总医院）；Harvard Medical School（哈佛医学院）
动态计算机断层成像灌注（CTP）成像是一种有前途的方法，急性缺血性卒中的诊断和评价。脑实质的血流动力学参数图是根据碘化造影剂第一次通过大脑的重复CT扫描计算的。由于重复扫描的高辐射暴露，有必要减少常规应用的CTP剂量，其中图像降噪是实现可靠诊断所必需的。在本文中，我们提出了一种用于CTP去噪的自监督深度学习方法，该方法不需要任何高剂量参考图像进行训练。通过将CTP的每个帧映射到来自其相邻帧的估计来训练网络。由于噪声在源和目标中是相互独立的，该方法可以有效地去除噪声。由于没有高剂量的训练图像，因此该方法更容易适应不同的扫描协议。该方法在模拟和公共真实数据集上进行了验证。与传统的去噪方法相比，该方法提高了图像质量。在实际数据上，与基于仿真数据训练的监督学习相比，该方法还提高了空间分辨率和对比度噪声比
2020-05-19 cs.CV cs.LG eess.IV
