锥形束CT生成伪CT的深度学习方法

作者：刘宇翔; 杨碧凝; 魏然; 刘跃平; 陈辛元; 熊锐^*; 门阔^*; 全红; 戴建荣

来源：中华放射肿瘤学杂志, 2023, 32(01): 42-47.

DOI：10.3760/cma.j.cn113030-20211103-00450

• 锥形束CT
• 深度学习
• 前列腺肿瘤
• 伪CT
• 自适应放射疗法

目的针对前列腺癌放疗, 研究锥形束CT(CBCT)生成伪CT的深度学习方法, 以满足自适应放疗的需要。方法纳入瓦里安On-Board Imager采集的74例前列腺癌患者的CBCT图像及其模拟定位CT图像, 并使用MIM软件进行形变配准。将数据按简单随机法分为训练集(59例)和测试集(15例)。使用U-net、Pix2PixGAN和CycleGAN学习CBCT到模拟定位CT的映射。以形变配准后CT作为参考图像, 评价平均绝对误差(MAE)、结构相似指数(SSIM)和峰值信噪比(PSNR)。另外单独分析了图像质量, 包括软组织分辨率、图像噪声和伪影等。结果使用U-net、Pix2PixGAN和CycleGAN生成图像的MAE分别为(29.4±16.1)、(37.1±14.4)、(34.3±17.3)HU。在图像质量方面, U-net和Pix2PixGAN生成的图像存在过度模糊的问题, 导致了图像失真;而CycleGAN生成的图像保留了CBCT图像结构且改善了图像质量。结论 CycleGAN能有效地提高CBCT图像质量, 有更大的潜力应用于自适应放疗中。

• 单位
  中国医学科学院北京协和医学院