基于深度学习方法实现SPECT放射性核素定量测量(一)——课题介绍

放射治疗是目前癌症三大治疗手段之一,当前,世界上约有70%的癌症患者使用放射治疗。放射治疗技术包括普通X射线治疗、硼中子俘获治疗、质子重离子治疗和放射性核素内照射治疗。其中放射性核素内照射治疗相比于其它治疗手段有一些独特的优势。放射性核素内照射治疗是将放射性核素引入体内,使其大量聚集在病变部位,利用核素衰变产生的α、β粒子的电离辐射生物学效应破坏病变组织。放射性核素内照射治疗只杀伤病变区域的恶性细胞,而对正常组织和器官的损伤较小。因此放射性核素内照射治疗具有无创伤、对正常组织无损伤或损伤轻微、以及治疗疗效好等优点。放射性核素的引入主要是通过向人体注射放射性药物进行的。放射性药物是用放射性核素标记的医用化合物及生物制品的总称。选择的放射性药物一般对恶性肿瘤具有高度的靶向特异性,可以使用==单光子发射计算机断层扫描(Single Photon Emission Computer Tomography, SPECT)==或正电子发射计算机断层扫描(Positron Emission Computed Tomography, PET)实现非侵入性成像,能够对病变区域细胞进行精准杀伤,对使用手术不能切除或不能完全切除的肿瘤具有不可替代的疗效。

为了将放射性核素治疗安全广泛的应用到临床肿瘤的治疗中,对放射性核素治疗进行精准的剂量评价十分重要。而对放射性药物在体内的活度分布进行精准定量分析是进行准确内照射剂量评价的关键。放射性核素治疗中对靶区和正常组织的吸收剂量及其分布的准确确定可以有效的评估治疗效果和危害,目前有MIRD法、剂量点核卷积方法(Dose Point Kernel)、Monte Carlo等方法进行剂量测定。三种内照射剂量计算方法如下图所示:


目前SPECT定量分析主要是致力于尽可能扣除物理干扰,使得图像的像素值与生物体内的放射性药物浓度呈正相关的线性关系,后使用 k B q / c m 3 kBq/cm^3 kBq/cm3单位量对放射性药物分布进行定量描述。SPECT成像空间分辨率较低,而且受散射和衰减等影响,定量精度较低,目前SPECT定量分析误差可以控制在10%以内,但仍需要进一步降低,因此有必要研究精确的SPECT活度定量分析方法,从而可以进行准确的内照射剂量计算。

目前SPECT活度定量过程如图所示:

目前SPECT定量主要是使用刻度的方法实现计数分布到活度分布的计算,考虑使用目前很热门的深度学习方法代替刻度过程。

工作思路:考虑使用GATE进行仿真,获取SPECT扫描数据,数据类型为projection data(SPECT投影数据),对projection投影数据进行图像重建活度SPECT计数分布图并进行衰减校正,然后使用人工神经网络模型进行放射性核素活度预测,实现SPECT计数分布图像到放射性核素活度分布图像的计算。

基于深度学习方法实现SPECT放射性核素定量测量(一)相关推荐

  1. 基于深度学习方法实现SPECT放射性核素定量测量(二)

    基于深度学习方法实现SPECT放射性核素定量测量(二)-GATE仿真 (1)GATE介绍 GATE(GEANT4 Application for Emission Tomography)由OpenGA ...

  2. 基于深度学习方法实现SPECT放射性核素定量测量(三)

    基于深度学习方法实现SPECT放射性核素定量测量(三)-图像重建及衰减校正 (1)图像重建 使用MLEM迭代重建算法进行图像重建,MLEM算法原理如图1所示. 图像重建可以借助重建软件进行,目前可以用 ...

  3. 基于深度学习方法实现SPECT放射性核素定量测量(四)

    基于深度学习实现SPECT放射性核素定量测量(四)-pix2pix网络结构搭建 (1)pix2pix网络结构 在本次工作中使用GAN网络的一种pix2pix网络模型,实现重建图像计数分布到放射性核素活 ...

  4. 基于深度学习方法的3D数据合成

    点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 3D 数据简介 人们普遍认为,从单一角度合成 3D 数据是人类视觉的基本功能.但这对计算机视觉算法来说 ...

  5. 基于深度学习方法的推荐系统(转载)

    原文:Deep Learning based Recommender System: A Survey and New Perspectives 作者:张帅, 新南威尔士大学 翻译:沈春旭,清华大学 ...

  6. nature | 基于深度学习方法的虚拟组织染色

    研究背景 组织病理学可以追溯到19世纪,它一直是病理学中使用的黄金标准诊断方法之一.如果在医学检查之后或在外科手术期间需要活组织检查,则需要从患者身上取出组织样本,然后将其切成微米薄片.这些病理学切片 ...

  7. WACV2020:开源基于深度学习方法DeOccNet用来去除透视光场中的前景遮挡

    作者信息 最近,国防科技大学的一个研究小组提出了一种利用阵列相机去除前景遮挡成像的新方法 作为国内外第一个基于深度学习的去遮挡成像工作,作者提出了掩模嵌入的方法来解决训练数据不足的问题,并建立了仿真和 ...

  8. 【SR汇总】基于深度学习方法

    1.SRCNN.FSRCNN (Learning a Deep Convolutional Network for Image Super-Resolution, ECCV2014) (Acceler ...

  9. 基于深度学习方法的声纹识别(Speaker Recognition)论文综述

    声纹识别(Speaker Recognition),是一项提取说话人声音特征和说话内容信息,自动核验说话人身份的技术. 声纹识别通常分为两类:Speaker Verification (说话人验证)和 ...

最新文章

  1. 谷歌联手马斯克,低延迟星链云计算下半年可用
  2. 潜水ow + aow + 高氧的一些points
  3. Azure实践之automation自动整理资产信息
  4. android 情景感知 sdk,情景感知服务
  5. VTK:Utilities之ArrayRange
  6. 知乎上-翻车的笔记本
  7. 获取网站投资(融资成功)的20个自我检查
  8. openstack 虚拟机如何修改ip地址
  9. windows使用git clone速度慢,改善方法
  10. 谁说程序员找不到女朋友,你们是不知道当程序员撩妹,一撩一个准
  11. paip.多维理念 输入法的外码输入理论跟文字输出类型精髓
  12. 定时自动按键软件_这些只有几MB的软件,让你的Windows系统更好用
  13. 区块链开发入门到精通
  14. Python爬取手机号码前7位号段归属地及运营商
  15. adb工具(通用的调试工具、debug工具)操作命令详解
  16. 万字长文之spring的整合
  17. 操作系统笔记 清华大学陈渝
  18. 湖南大学计算机考研资料汇总
  19. Vj程序设计复杂模拟题训练
  20. ceph rgw lc工作流程

热门文章

  1. 学号20155308 2016-2017-2 《Java程序设计》第6周学习总结
  2. 计算机应用个人标签,对口升学计算机应用——HTML基本标签练习.doc
  3. 菜鸟----字符菱形代码
  4. linux卸载光驱模块,linux挂载光驱和卸载光驱_无需整理
  5. 2021年7月27日---------mysql
  6. 《XNA高级编程:Xbox 360和Windows》5-1
  7. ARC110E Shorten ABC
  8. 获取地图的geojson格式数据
  9. 一份北大信科内部流传的 “CS 自救指南”(无广推荐)
  10. 题解 CF1100E 【Andrew and Taxi】