PulseAugur
中
实时 09:18:24
English(EN) Toward CT-Equivalent Image Quality in Low-Dose Radiotherapy Planning: Conditional Diffusion-Based CBCT-to-CT Synthesis and the Impact of CBCT Input Representation

AI从低剂量扫描合成CT级图像用于放疗

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个深度学习框架，使用条件去噪扩散概率模型从低剂量锥束CT（CBCT）扫描合成CT级图像。该方法旨在提高放疗计划的图像质量，减少重复高剂量CT扫描的需要。本研究特别探讨了使用物理感知CBCT表示（如滤波反投影（FDK）重建）是否能提高基于扩散的CT合成性能，与标准的DICOM CBCT图像相比。 AI

影响 可能能够减少接受放疗计划的患者的辐射暴露。

排序理由 详细介绍一种新的医学影像AI方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

AI从低剂量扫描合成CT级图像用于放疗

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Alzahra Altalib, Chunhui Li, Christopher Hamill Taylor, Sankar Pillai, Alessandro Perelli ·

    实现低剂量放疗计划中的CT级图像质量：基于条件扩散的CBCT到CT合成及其对CBCT输入表示的影响

    arXiv:2608.08919v1 Announce Type: cross Abstract: During standard radiotherapy planning, repeated CT acquisitions are often required for patient registration, verification, and adaptive planning, resulting in increased cumulative X-ray dose. To mitigate this, low-dose cone-beam C…

相关实体

相关话题