基于卷积神经网络CT/CBCT影像质量自动分析

目的:通过独立的程序自动分析数据,可以在减轻影像的质量保证(QA)工作量的同时,尽可能避免操作者主观因素造成的偏差.方法:对Catphan500/503/504/600的CT/CBCT影像按照功能模块进行分类,并通过卷积神经网络(CNN)进行学习,学习后对新输入的CT/CBCT影像可以自动识别并根据功能模块进行分类,继而对相关指标包括影像CT值的线性、调制传递函数以及均匀性等进行自动分析,以便确保临床应用的影像质量达到要求.结果:对于Catphan500扫描的CT图像和Catphan503扫描的CBCT图像,经过CNN自动分类对于功能模块CTP401、CTP404、CTP528都可以正确标记出来,但是CTP486的精确度没有达到100％,即有部分不属于CTP486的模块被错误判断成CTP486.同时均可实现对CT的值线性、调制传递函数以及均匀性3个图像指标进行自动分析.结论:基于CNN能够准确地对CT/CBCT扫描的Catphan图像进行分类,下一步将拓展该方法到其他影像设备的QA体模,以便实现更广泛的自动影像质量保证.