基于区域判别生成对抗网络的宫颈癌放射治疗锥形束CT影像质量提升研究

目的:提出基于区域判别生成对抗网络(GAN)的改善宫颈癌放射治疗锥形束CT(CBCT)图像质量模型,以满足自适应放疗图像质量的需求。方法:采用基于区域判别的策略与生成对抗网络思想,构建一种能够关注宫颈癌放疗影像局部细节的CBCT图像质量提升模型,其判别器可提高图像局部细节的生成质量。将该图像质量模型应用于宫颈癌放疗中的CBCT图像,通过量化指标和可视化评价图像处理效果。结果:CBCT图像质量提升后其纹理清晰度与对比度皆得到明显提升。图像峰值信噪比提高47.2%,结构相似性指标提升至0.838以上。相对于其他模型,在可视化和指标角度皆表现出更好的模型效能,结构相似性与U-Net网络和CycleGAN网络比较分别提高11.88%和19.54%;峰值信噪比分别提高19.75%和25.99%。结论:基于区域判别的GAN可有效提升宫颈癌放疗CBCT图像整体与细节上的生成质量,能够为提升低剂量CBCT图像质量提供新的技术路径,为提高放疗安全性和有效性发挥重要作用,并对制定和执行放疗计划具有重要临床价值。

支气管镜检查诊治肺结节的研究进展

目前,肺癌是全球发病率及死亡率最高的恶性肿瘤[1]。随着人们体检意识的增强及CT的普及,越来越多的肺结节在偶然中被发现,大部分肺结节性质为良性,但有些肺结节最终被证实为肺癌。对于发现的肺结节,在以下情况中[2],应明确肺结节的病理性质:①结节是恶性肿瘤概率为低至中度[3];②定期随访过程中记录到结节恶性生长;③患者要求明确结节的性质。