PulseAugur
实时 09:44:16
English(EN) Dual-domain U-Nets with embedded back projection operators for motion-resolved 4D CBCT reconstruction

深度学习重建运动分辨4D CBCT用于癌症治疗

研究人员开发了一种新颖的深度学习方法,使用具有嵌入式反投影算子的双域U-Net来重建运动分辨4D CBCT图像。该技术旨在通过减少扫描时间和与患者运动相关的伪影来改善胸部癌症的图像引导放射治疗。该CNN模型以自由呼吸的3D CBCT投影作为输入,并预测代表呼吸运动的静态体积和位移矢量场,而无需明确的呼吸信号或投影分箱。 AI

影响 该方法可能为放射治疗带来更快、更准确的成像,从而可能改善胸部癌症患者的治疗效果。

排序理由 详细介绍一种新颖的深度学习图像重建方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

深度学习重建运动分辨4D CBCT用于癌症治疗

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Ivo Herzig, Pascal Paysan, Daniel Barco, Marc Andr\'e Stadelmann, Frank-Peter Schilling, Igor Peterlik, Michal Walczak, Lijin Aryananda, Woo Sang Ahn, Rudolf Marcel F\"uchslin, Lukas Lichtensteiger ·

    Dual-domain U-Nets with embedded back projection operators for motion-resolved 4D CBCT reconstruction

    arXiv:2608.03430v1 Announce Type: cross Abstract: Four-dimensional cone beam CT (4D CBCT) is important for image-guided radiation therapy of thoracic cancers, but its use is limited by long scan times, causing high patient dose and motion/sparse-sampling artifacts. We propose a d…