Featured

Rekonstrukcja obrazów uzyskanych z detektora Dose-3D‑Future z użyciem uczenia maszynowego

Projekt „Dose3D‑Future” 1, realizowany obecnie na AGH, ma na celu konstrukcję fantomu medycznego nowej generacji do zastosowań w radioterapii fotonowej do szybkiego (w trybie quasi‑real‑time)
pomiaru przestrzennego rozkładu dawki terapeutycznej deponowanej w tkankach pacjenta.

Główną część fantomu stanowi głowica wykonana z tkankopodobnego materiału scyntylacyjnego, wytworzonego przy użyciu technologii wydruku 3D, charakteryzująca się wysoką granularnością oraz modularny i konfigurowalny system akwizycji danych zaprojektowany przez naukowców z AGH. Kluczowym elementem całego projektu jest warstwa oprogramowania, które wykorzystuje elementy sztucznej inteligencji do przetwarzania danych surowych oraz rekonstrukcji obrazów. Z uwagi na aspekty technologiczne oraz samą istotę fizyki oddziaływania fotonów terapeutycznych (o energii z przedziału od 2 do 10 MeV) z materią, rozmiary pojedynczych elementów aktywnych wahają się w granicach od 5 do 10 mm. Aby otrzymać przy pomocy takiego detektora obrazy o rozdzielczości podobnej do rozdzielczości obrazów CT, współpraca „Dose3D‑Future” wykorzystuje zaawansowane modele inteligentne. Przykład realizacji takiego przetwarzania danych uzyskanych z detektora „Dose3D‑Future” przedstawiony jest na Rys. 1.

dwa_wykresy.png

Dane pomiarowe uzyskane z pojedynczej warstwy prototypu fantomu zawierającej 16 indywidualnych kanałów pomiarowych
(lewy panel). Zrekonstruowany obraz pola rzeczywistego naświetlania przy użyciu algorytmów uczenia maszynowego.

Poprawa rozdzielczości przestrzennej w obrazowaniu medycznym i radioterapii pozwala na zwiększenie precyzji leczenia i bezpieczeństwa pacjentów. Standardowe techniki zwiększania rozdzielczości (tzw. upscaling) wykorzystują ścieżkę rozszerzającą (dekoder) do zwiększenia rozdzielczości map cech przy jednoczesnym zachowaniu szczegółów poprzez łączenie ich z odpowiadającymi im cechami z enkodera. 
Dodatkowo, tradycyjnie techniki SR są stosowane do obrazów 2D, a ich zastosowanie w obrazach 3D jest mniej powszechne. Innowacyjną techniką zaproponowaną przez grupę „Dose3D‑Future” jest wprowadzenie tzw. niesymetrycznego modelu Super Resolution UNet 3D (nSSRUnet3D). Nowy model ma na celu zwiększenie rozdzielczości przyszłych danych pomiarowych do poziomu skanów 
CT. Wyniki wstępne wskazują na obiecujący potencjał metod głębokiego uczenia (DL) w poprawie skalowania rozdzielczości dawki w leczeniu radioterapią, w szczególności dla fantomów typu Dose3D.

Podziękowania dla całego zespołu współpracy „Dose3D‑Future” Tomasz Fiutowsk, Jakub Hajdug, Damian Kaba,Kamila Kalecińsk, Maciej Kope, Stefan Kopern, Dagmara Kuli, Bartosz Mindu, Jakub Moro,  Bartłomiej Rachwa, Piotr Wiącek (Akademia Górniczo‑Hutnicza im. Stanisława Staszica w Krakowie, Narodowy Instytut Onkologii im. Marii Skłodowskiej‑Curie – Państwowy Instytut Badawczy).

 

1. Współpraca „Dose3D‑Future” kontynuuje projekt badawczy TEAM‑NET „Dose3D” finansowany przez Fundację na Rzecz Nauki Polskiej ze środków unijnych w ramach działania „Inteligentny Rozwój”  (POIR.04.04.00–00‑ 15E5/18).

Related Articles