技术文章和新闻稿

Verwendung Von Deep Learning Zur Senkung des Strahlenbelastungsrisikos Bei der CT-Bildgedbung

冯罗河博士·努卡山,Ritsumeikan大学


Da Computertomografien (CTs) 3D-Bilder von Organen, Knochen und Blutgefäßen erzeugen, sind sie für Diagnosen weit wertvoller als einfache Röntgenaufnahmen。Dieser zusätzliche diagnostische Wert ist jedoch mit einem Nachteil verbunden: der höheren Belastung durch potenziell schädliche Strahlung。Die in einem CT erzeugten 3D-Bilder werden mithilfe von Software aus 2D-Röntgenbildern zusammengesetzt, Die als Schnittbilder dienen。7毫西弗特(mSv)有效Strahlendosis。这是350-mal,所以我要0.02 mSv,我要Röntgenbild des Brustkorbs verwendet werden。[1] Die Strahlenbelastung korreliert mit dem krebsrisko;在Richtlinien线die Strahlendosis bei CTs von kinderauf 1,5 mSv begrenzt。

Medizinische Forscher möchten die Strahlenbelastung begrenzen and Ärzten zugleich die benötigte Bildklarheit bieten。在我们的生命中,有一个重要的生命,有效的Strahlendosis für eine auhname des Brustkorbs ca. 0,13 mSv beträgt。这是相对论,这是Rauschen的相对论。您可以访问Ärzten erschweren ' t, Organe, Fett and interstitielles Bindegewebe zu sehen (Abbildung 1)。

Abbildung 1:Vergleich derBildqualitäteines超级rigdosis-cts(链接)mit einemherkömmlichenct(rechthth)。

Ryohei Nakayama博士Von der Ritsumeikan大学帽子Ein Matlab®-软件系统entwickelt,即cnn神经系统回归分析。这是一个非常好的例子,我们来看看这个例子。该系统对病人的诊断信息和死亡率为95%。

Superauflösungund cnns.

Zu Anfang der ForschungAnhmögrichkeiten,DieBildqualitätvon niedrigdosis-cts zuerhöhen,wurde einesuperauflösungstechnikverwenget,Füriect-bilder mit matlab在Kleine Lokale地区Aufgeteilt und Dann Niedrigosis- underdosis-regioneneinander Zugeordnet Werden,Um Ein Bilderverzeichnis Zu Etershen。德恩EIN的Neues Niedrigdosis-画报analysiert werden远洋地产,findet DAS系统EINE克莱Niedrigdosis区域IM Verzeichnis UND zeigt DEM Anwender书房entsprechenden Normaldosis-Bereich的。

Wie Effektiv柴油机Ist,HängtDavonAB,Ob Ein Riesiges VerzeichnisVerfügbarIst,Aus Dem Vergleiche Entnommen WerdenKönnen。EINGRÖßERESVERZEICHNISBEDEUTET JEDOCH AUCHHÖHERERESSURCENANFORDERUNGENAN DAS SYSTEM UND VOR ALLEMEINELÄNICEZZEITFÜRKleineBilly。Ein CNNBenötigtZwar培训完全,Wird Ihm aber Ein Neues Bild Vorgelegt Wird,Erzeugt Es Viel Schneller Ergebnisse Als DerSuperauflösungs-Ansatz。Beispielsweise Kann Ein Trainiertes CNN Innerhalb von Circa 20 Minuten ErgebnisseFüreinenEinzelnen患者Erzeugen,Währendieuluauflösungfürvergleichbare ergebnisse大道Zwei st st br br st z z z·斯通

cnn -回归分析es gibt jedoch einige Fälle, in denen die Leistung der Superauflösungstechnik sehr gut ist。Wenn Muster in einem Bilder im Verzeichnis sehr ähnlich sind, erbrt der Superauflösungsansatz beispielsweise sehr genaue Ergebnisse。它是一个杂交系统,它是cnn -回归到Superauflösung kombiniert。

Beziehen von Bildern und konstruieren der cnns

嗯死Klarheit冯Ultraniedrigdosis-CTs des Brustkorbs祖茂堂verbessern,假日,静脉拟设麻省理工学院请来两cnn angewendet,冯denen进行窝Lungenbereich der CT-Bilder verarbeitet和das安德利果汁窝休息(Abbildung 2)。der Bilddatensatz,麻省民主党死cnn trainiert wurden,冯bereitgestellt Forschern der三重大学。最好是在12 Bildpaaren,在Normaldosis-CT和ultra - traniedrigdosis- ct中。(如果病人是我们的病人,请阅读zusätzlicher strahgeetzind,则必须研究kleine Grundmenge与suchspersonen beschränkt werden的相对关系。)Jedes图片在研究最好的512 x 512 Pixeln和Jedes CT最好的250 Bildern (Schichten)。

Abbildung 2: cnn,我是Lungen和Restbereich des traniedrigdosis- ct trainiert wurden。

DieAnfänglicheTrukturdes CNN Baute Auf Denbnissen derFrüherenArbeitZurSuperauflösungauf。在Dieser Studie Wurde Festellt,Dass Eine Lokale Region von 7 x 7 Am Besten Funktionierte。Daher Wurde在Diesem深学习 - Modell Mit DieserGrößeGenonnen。Danach Wurde Mit Lokalen Ingreaden inGrößenZwischen 5 x 5 und 128 x 128实验undüberprüft,Wie澳洲斯塔格德·弗里格·埃尔塞格斯·埃尔泽森特·埃尔格巴斯战士。Fürdenlungenbereichfiel die entsheidung zugunsten von 32 x 32 und 64 x 64 64 64Fürden休息。Außerdemwurden在Matlab Ca.128 unterschiedliche cnn-varianten bevertet。ES folgte die erprobung von unterschiedlichenEingabegrößenund filtern sowie verschiedenenananazahlen von faltungsebenen。

Trainieren und Überprüfen der cnn

我们可以把比登的11例病人模型和比登的病人模型结合起来。这是我的第12个心愿,我的心愿是Trainingsdatensätzen,我的心愿是wiederholt。在NVIDIA的图形处理器中使用并行计算工具箱™®Geforce-Serie Trainiert。ZurÜberwachungdes培训景观富德·雷迪克特·默特尔·米思福德·Überwachungsvisualisierungs-option in der Deaure yoursbox™(Abbildund 3)Dargestellt。

ABBILDUNG 3:BEISPIELHAFTE DARSTELLUNG DES TRANINGSCORTSCHRITTS,ERZEUGT MIT DER DEAD学习工具箱。

Die Ergebnisse für jedes Ultraniedrigdosis-Testbild wurden and des entspreenden normaldosis bildes bewertet。Hierfür wurden mit RMS-Ebenen(均方根)和dem SSIM-Index(结构相似指数)Bildqualitätsmetriken gemessen。

Weitere Schritte.

ES IST Geplant,Einer Klinik的DAS CNN-BASIERTE系统在EINER REGEN Umgebung Einzustzen。Außerdemwerdenmögrichkeitenuntersucht,das system auf einem pac-server(图片存档和通信)Bereitzustelen,Auf Dem Medizinische Bilder Komfortabel Gespeichert und GenutztWerdenKönnen。Einer der Vielen Vorteile der entwicklung von软件Füriemedizinischebildgedbung在Matlab Liegt Darin,Dass Die Umgebung Es Erleichtert,EineBenutzerboblächeFürieZugrundeliegenden alcorithmen zu orersellen unstellen unstellen undsamte paket dannaärztezupereilen。Diesen Vorgang Hatte博士NakayamaBereitsFürandere Matlab-Basierte SystemeDurchgeführt,死于Er erstellt帽子。

Die Ritsumeikan大学Ist Eine derüber1000UniversitätenWeltweit,Die Campusweiten Zugriff Auf Matlab und Simulink Bieten万博1manbetx。麻省理工学院·德拉兹·莱兹(总学术总公司)KönnenForschende,Lehrende und Studerende Auf Eine Gemeinsame Produktkonfiguration Auf Dem Neuesten释放级Zugreifen undÜberallverwenden - Zu Hause,Im Hanger Oder BeiForschungseinsätzen。

Über死于自身侵蚀

Ryohei Nakayama博士Ist Dozent Am电子和计算机工程系Der Ritsueikan大学。Zu Seinen ForschungsineressenGehörendie entwicklung und Klinische Anwendung von Verarbeitungs-und AnalysetechnologienFürMedizinischeBilder。

Veröffentlicht2018.

文学

  1. 王克,et al。“Ultralow-辐射剂胸CT:肺密度测定和肺气肿的准确性。”美国x线学杂志(2015)。204:743-749。10.2214 / AJR.14.13101。https://pubmed.ncbi.nlm.nih.gov/25794063/