Основні поняття
본 연구는 CT 영상과 부호화된 거리 지도를 활용하여 정확한 선량 분포 예측을 위한 거리 인식 확산 모델(DoseDiff)을 제안한다.
Анотація
이 논문은 방사선 치료 계획에서 선량 분포 예측의 중요성을 강조한다. 기존 연구들은 CT 영상과 관심 영역 마스크만을 사용하여 선량 분포를 예측하였지만, 주변 조직과 타겟 또는 위험 장기 간의 거리 정보를 효과적으로 활용하지 못했다.
본 연구에서는 다음과 같은 핵심 내용을 다룬다:
- 부호화된 거리 지도(SDM)를 활용하여 CT 영상과 거리 정보를 통합하는 거리 인식 확산 모델(DoseDiff)을 제안한다.
- 다중 인코더와 다중 스케일 융합 네트워크(MMFNet)를 설계하여 CT 영상과 SDM의 특징을 효과적으로 융합한다.
- 두 가지 자체 구축 데이터셋(유방암, 비인두암)과 공개 데이터셋(AAPM OpenKBP)을 통해 제안 모델의 우수한 성능을 검증한다.
실험 결과, DoseDiff는 기존 최신 방법들에 비해 정량적 및 정성적 성능이 모두 우수한 것으로 나타났다. 특히 선량 분포 지도의 실제 광선 경로 특성을 잘 반영하여 의료 물리학자들에게 유용한 정보를 제공할 수 있다.
Статистика
유방암 데이터셋에서 DoseDiff의 MAE는 1.221 Gy, SSIM은 0.913, PSNR은 27.813 dB로 나타났다.
비인두암 데이터셋에서 DoseDiff의 MAE는 1.676 Gy, SSIM은 0.905, PSNR은 26.397 dB로 나타났다.
OpenKBP 데이터셋에서 DoseDiff의 선량 점수는 0.698 Gy, DVH 점수는 0.922로 나타났다.
Цитати
"본 연구에서는 CT 영상과 부호화된 거리 지도(SDM)를 활용하여 정확한 선량 분포 예측을 위한 거리 인식 확산 모델(DoseDiff)을 제안한다."
"DoseDiff는 다중 인코더와 다중 스케일 융합 네트워크(MMFNet)를 통해 CT 영상과 SDM의 특징을 효과적으로 융합한다."
"실험 결과, DoseDiff는 기존 최신 방법들에 비해 정량적 및 정성적 성능이 모두 우수한 것으로 나타났다."