BriefGPT - AI 论文速递
·
放射治疗中的连续时空可变形图像配准（CPT-DIR）: 超越经典基于体素的方法
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
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，能够精确量化肿瘤变化。验证实验证明该方法具有更好的注册性能和肿瘤体积保持能力，可用于病理完全缓解预测，避免不必要的手术。对临床医生和计算机系统来说，该注册方法对图像进行随访肿瘤分割和响应预测具有很大价值。
🎯
关键要点
-
提出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。
-
该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，精确量化肿瘤变化。
-
从DCE-MRI中提取结构和异常关键点，以限制大变形并保持肿瘤体积不变。
-
使用314名接受NAC治疗的患者的1630个MRI扫描的临床数据集验证了该方法的注册性能和肿瘤体积保持能力。
-
基于该方法的局部-全球结合生物标志物在病理完全缓解预测中取得高准确性。
-
这些生物标志物有可能用于避免对某些患者进行不必要的手术。
-
该注册方法对临床医生和计算机系统在图像随访肿瘤分割和响应预测方面具有重要价值。
-
相关代码可在GitHub上获得。
➡️
