摘要：目的利用治疗当日低剂量单能锥形束CT(CBCT),合成与治疗当日解剖结构一致的双能物质分解图像(MDI),为在线自适应放疗(ART)和剂量重建等临床应用场景提供定量图像基础。方法通过改变4D Extended Cardiac-Torso(XCAT)解剖结构输入参数,构建70组男性和女性仿真人体数据,并按照5∶1∶1比例划分为训练集、验证集和独立测试集。其中每组数据包括治疗前的双能CT(DECT)以及发生生理形变后的CBCT,后者反映放疗过程中的患者变化。使用迭代分解算法对双能CT进行物质分解,分别得到骨分解图(MDIB)和软组织分解图(MDIST)。构建基于断层图像的2D CycleGAN网络实现从CBCT到MDI的模态转化,并保留CBCT所代表的放疗当天真实解剖结构。网络以CBCT、MDIB和MDIST为输入,输出为治疗当日的MDIB与MDIST。为测试集患者构建与CBCT解剖结构相同的DECT并获得MDIB与MDIST作为真值,定量评估模型合成双能物质分解图的性能表现。结果在仅使用传统方案约13.8%的投影数量和辐射剂量情况下,测试集中的10套单能稀疏重建CBCT被模型成功转换成了与放疗当日解剖结构一致的MDIB与MDIST。合成的MDIB和MDIST与真值相比,结构相似性指数(SSIM)分别为0.983±0.006和0.988±0.005;均方根误差(RMSE)分别为0.017±0.005和0.019±0.004;峰值信噪比(PSNR)分别为35.515±2.081和34.409±1.510。模型训练耗时约18 h 51 min,合成每张MDI图像耗时约0.65 s。结论基于低剂量稀疏重建CBCT,本研究构建的2D CycleGAN网络可以实现跨模态、高保真的双能物质分解图像转化,有望在现有临床平台上为在线自适应放疗、离子放疗计划设计、剂量重建与监控等应用场景提供新型智能成像方法。

摘要：为了模拟固体燃烧时产生的火焰及其伴随的物质分解过程,提出一个实时的燃烧模型.为了在模拟速度和视觉效果间取得一个很好的折中,采用一套混合的网格模拟系统;整个空间的热传导过程在一个统一的框架下模拟,因此能够很好地耦合动态的火焰和燃烧的固体.提出了一个改进的燃面更新方案以及一个新的固体表面纹理映射算法,能够生成逼真的结果.还提出了一系列提高模型效率的加速算法.最终实时地模拟出了真实感的固体燃烧现象.