基于Unet-Transformer模型的实时4D-CBCT成像方法

本发明提供一种基于Unet‑Transformer模型的实时4D‑CBCT成像方法，包括构建集成Unet网络和Transformer网络的综合级联深度学习网络模型并训练该网络模型，将患者在线治疗时刻在同一机架角度下采集的若干个含有不同呼吸运动幅度的CBCT投影输入训练好的网络模型中，模型实时输出对应CBCT投影当下时刻患者呼吸运动预测相位与参考相位之间DVF的三个PCA特征标签，将PCA特征标签通过主成分分析转换成DVF，在DVF引导下变形患者前期4D‑CT的参考相位图像，来获得对应的当下时刻呼吸相位4D‑CBCT图像，最终获得能覆盖完整呼吸周期的4D‑CBCT图像序列。本方法利用Unet‑Transformer网络模型框架对患者SBRT分次治疗出束时动态容积成像，给临床医生提供了准确监控患者出束治疗时肺内肿瘤运动的工具，为肺癌SBRT精确安全实施提供技术保障。