Deep Learning Based Classification Methods of Compton Camera Based Prompt Gamma Imaging for Proton Radiotherapy
Deep Learning Based Classification Methods of Compton Camera Based Prompt Gamma Imaging for Proton Radiotherapy
复制标题
基于深度学习的质子放射治疗康普顿相机瞬发伽马成像分类方法
DOI：
--
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
J. Polf
中科院分区：
文献类型：
--
作者：
C. Barajas;Gerson C. Kroiz;M. Gobbert;J. Polf
质子束放射疗法是一种癌症治疗方法，其使用质子束照射癌组织，同时节省对健康组织的剂量。为了优化对肿瘤的辐射剂量并确保健康组织不受影响，许多研究人员建议通过使用实时成像来验证治疗交付。一种有前途的实时成像方法是使用康普顿照相机，其可以对沿沿着射束路径发射通过患者的瞬发伽马射线进行成像。然而，由于康普顿照相机检测即时伽马射线的能力的限制，重建的图像通常是嘈杂的，并且不能用于验证质子治疗递送。机器学习能够自动学习存在于数值数据中的模式，这使得它成为一种很有前途的方法来分析康普顿相机数据，以减少重建图像中的噪声。首先，我们提供了在标准集成技术上训练深度神经网络的动机。然后，我们介绍了使用监督式深度神经网络来检测和利用这些模式，以便我们可以消除和纠正数据中存在的各种问题。
Proton beam radiotherapy is a method of cancer treatment that uses proton beams to irradiate cancerous tissue, while simultaneously sparing doses to healthy tissue. In order to optimize radiation doses to the tumor and ensure that healthy tissue is spared, many researchers have suggested verifying the treatment delivery through the use of real-time imaging. One promising method of real-time imaging is the use of a Compton camera, which can image prompt gamma rays that are emitted along the beam’s path through the patient. However, because of limitations in the Compton camera’s ability to detect prompt gammas, the reconstructed images are often noisy and unusable for verifying proton treatment delivery. Machine learning is able to automatically learn patterns that exist in numerical data, making it a promising method to ana-lyze Compton camera data for the purpose of reducing noise in the reconstructed images. First, we provide motivation for training deep neural networks over standard ensemble techniques. We then present the usage of supervised deep neural networks to detect and exploit these patterns so that we can remove and correct the various problems that exist within our data.
使用深度学习增强质子放射治疗中基于康普顿相机的即时伽玛图像重建数据
DOI：
10.1002/pamm.202100236
发表时间：
2021
期刊：
PAMM
影响因子：
--
作者：
Barajas, Carlos A.;Kroiz, Gerson C.;Gobbert, Matthias K.;Polf, Jerimy C.
通讯作者：
Polf, Jerimy C.
探索深度学习以改进质子放射治疗中基于康普顿相机的即时伽玛图像重建
DOI：
--
发表时间：
2021
期刊：
The 17th International Conference on Data Science (ICDATA'21
影响因子：
--
作者：
Kroiz, Gerson C;Barajas, Carlos A.;Gobbert, Matthias K;Polf, Jerimy C
通讯作者：
Polf, Jerimy C
DOI：
10.1002/pamm.202000070
发表时间：
2021-01
期刊：
PAMM
影响因子：
--
作者：
Jonathan N. Basalyga-;Carlos A. Barajas;M. Gobbert;P. Maggi;J. Polf
通讯作者：
Jonathan N. Basalyga-;Carlos A. Barajas;M. Gobbert;P. Maggi;J. Polf