저용량 CBCT AI 모델의 임상 적용

간략 요약

콘 볼 패널 CT (CBCT)은 간접 촬영 혈관造影 (DSA)에서 사용되는 이미징 방법입니다. 콘 볼 X선 스캔과 컴퓨터 재구성을 통해 3차원 이미지를 생성합니다. 임상적으로 CBCT는 폐와 간 병변의 점진을 안내하고 간암 및 대뇌혈관 질환의 간접 치료 결과를 평가합니다. 그러나 CBCT 가이드드 치료는 환자에게 높은 방사선 노출을 유발하며, 도시 감소는 이미지 품질을 저하시키고 절차 결과를 악화시킵니다. 연구들은 각 100 mGy 방사선 증가가 암 위험을 1.96배로 높인다고 보고합니다. 인공지능은 저선량 CBCT를 가능하게 합니다. 우리의 이전 DeepPriorCBCT 모델은 신경 불연속 표현 학습을 사용하여 생리학적 사전 정보를 내장하여, 흉부 CBCT 도시를 일반 프로토콜의 1/6으로 줄이면서 이미지 품질을 유지했습니다. 우리는 55,000 개의 사전 재구성 CBCT 데이터셋을 사용하여 뇌, 흉부 및 위장을 포함한 DeepPriorCBCT-V2를 추가로 개발했습니다. 이 다기관 모델은 표준 방사선 도시의 1/6에 이미지 품질을 유지합니다. 그러나 실제 임상 성능은 검증되지 않았습니다. 따라서 우리는 DeepPriorCBCT-V2의 임상 적용 가능성을 평가하기 위해 이 전망적 다중 센터 임상적 연구를 설계했습니다.