1766531972
2025-12-23 22:02:00
В этом исследовании представлен подход глубокого обучения (DL) для улучшения оценки относительной электронной плотности (RED) в двухэнергетической компьютерной томографии (DECT) посредством точного прогнозирования эффективного атомного номера (EAN). Настольный детектор фотонов КТ получил спектральные изображения фантома, эквивалентного ткани, а модифицированная сеть U-Net была обучена на синтетических данных для прямой оценки EAN. Прогнозируемые EAN были преобразованы в RED с использованием модели, основанной на физике. Эффективность оценивалась на восьми материалах с использованием средней абсолютной ошибки (MAE), относительной ошибки и остатков, при этом результаты сравнивались с традиционными методами Резерфорда и стехиометрическими методами. Модель DL достигла MAE 0,08% для EAN, превзойдя подходы Резерфорда (1,59%) и стехиометрические (1,54%). Для оценки RED DL достигло MAE 0,62% с остатками в диапазоне от – 0,01 до 0,02 от теоретических значений. Калибровочный анализ показал высокую линейность обычных кривых ΔHU-RED (R² ≈ 0,9995), но метод на основе DL показал несколько более высокую линейность (R² = 0,9998). В целом, в этом фантомном исследовании структура DL улучшила точность RED и линейность HU-RED по сравнению с аналитическими методами. Обеспечивая высоколинейную калибровочную кривую ΔHU–RED в фантомных экспериментах, проведенных в этом исследовании, она улучшает дифференциацию материалов и потенциально может способствовать более точному расчету дозы в будущих клинических применениях.
#Оценка #эффективного #атомного #номера #помощью #глубокого #обучения #для #калибровки #от #до #RED #при #подсчете #фотонов #двойной #энергии
По теме
