前列腺癌自适应放疗中基于深度学习的CBCT临床靶区及危及器官自动勾画

自适应放射治疗能够根据治疗前锥形束CT(CBCT)上的临床靶区(CTV)和危及器官(OAR)轮廓在线修改治疗计划,提升放疗精度,但CBCT上的手动勾画非常耗时。该研究开发了一种基于U-Net结构的深度学习勾画模型,使用CBCT图像和对应掩模图训练模型,取得了优越的勾画精度,能够快速完成CBCT图像上的CTV、膀胱、直肠、股骨头的自动勾画,可用于临床以支持前列腺适应性放疗的快速CTV和OAR勾画。

基于数字图谱的小鼠分子影像定量分析

为实现小鼠微计算机断层扫描(Micro computed tomography,Micro-CT)图像的多器官准确快速勾画和定量分析,研究了基于小鼠数字图谱和图像弹性配准技术的多器官快速分割方法。该方法分四个步骤:1)外轮廓、骨骼和肺脏的自动勾画;2)基于外轮廓、骨骼将待分析的小鼠Micro-CT图像和数字图谱对准;3)小鼠内部器官的弹性配准和自动划分;4)三维网格模型的建立和定量分析。结果表明:该方法能提高小鼠分子影像分析的效率、精确性和可重复性,可广泛应用于小鼠分子影像定量分析中。