本論文では、放射線治療における線量分布の予測を目的とした、距離認識拡散モデル「DoseDiff」を提案している。
まず、線量予測をノイズ除去のプロセスとして定義し、CT画像と符号付き距離マップを条件として用いる。符号付き距離マップは、標的や危険臓器のマスクから距離変換によって得られ、各画素の標的や危険臓器からの距離を示す。
次に、CT画像と距離マップの特徴を多重エンコーダと多重スケールの融合ネットワーク(MMFNet)によって効果的に抽出・融合する手法を提案する。MMFNetでは、CTと距離マップの特徴を独立したエンコーダで抽出し、多重スケールで融合する。さらに、注意機構に基づくfusionFormerモジュールを導入し、グローバルな情報融合を行う。
実験の結果、提案手法「DoseDiff」は、乳がんと鼻咽頭がんのin-houseデータセットおよび公開データセットにおいて、定量的および視覚的な性能で最先端手法を上回ることが示された。特に、提案手法は放射線経路の特性を良好に保持し、医療物理士にとって有用な情報を提供できることが確認された。
toiselle kielelle
lähdeaineistosta
arxiv.org
Tärkeimmät oivallukset
by Yiwen Zhang,... klo arxiv.org 03-29-2024
https://arxiv.org/pdf/2306.16324.pdfSyvällisempiä Kysymyksiä