基于生成式对抗网络技术合成医学图像的研究进展与展望

介绍了生成式对抗网络(generative adversarial networks,GAN)的基本架构及其在几个方面的改进,在同模态医学图像的合成、不同模态医学图像的转换、医学图像的降噪与超分辨力、医学图像的重建以及三维医学图像处理5个方面分析了基于GAN的医学图像合成研究进展。指出了在不同模态的图像重构过程中引入GAN,提高图像质量和重构效率;通过GAN处理医学图像,运用获取的丰富信息实现对临床诊疗的直接支持,是下一步的重点研究方向。

用于肿瘤调强放射治疗影像分析与转换的深度学习方法

癌症已成为严重威胁人类健康的主要公共卫生问题。60%~70%的癌症患者需要进行放射治疗。调强放疗是当前主要的临床放疗技术。对近几年基于深度学习的影像分析与转换方法在肿瘤调强放疗计划中的应用进展及关键技术进行综述,包括计算机断层扫描(CT)、锥形束CT(CBCT)、磁共振成像(MRI)、正电子发射断层扫描(PET)引导的肿瘤调强放疗技术应用现状与发展趋势,肿瘤CT/CBCT/MRI/PET影像放疗靶区分割、影像配准以及转换深度卷积神经网络、生成对抗网络的有监督或无监督学习方法,并对未来的研究方向进行展望。