肿瘤感知的肺癌计算机断层扫描的患者间可变形图像配准
原文中文,约500字,阅读约需2分钟。发表于: 。本研究解决了现有图像注册方法无法有效处理肿瘤变化的问题,提出了一种肿瘤感知的递归配准深度学习方法(TRACER)。实验结果表明,TRACER在肿瘤的保留和组织对齐方面表现优异,其肿瘤体积差异最小,仅为0.24%,显示了其在放疗计划中的潜在应用价值。
本文介绍了一种用于评估新辅助化疗后乳腺DCE-MRI的长期变形注册方法,通过无监督关键点检测和选择性体积保持的有条件金字塔式注册网络,该方法能够精确量化肿瘤变化并保持肿瘤体积不变。实验证明该方法具有更好的注册性能和肿瘤体积保持,并在病理完全缓解预测中取得了高准确性,有望用于避免对某些患者进行不必要的手术。