一个深度学习模型来生成合成CT前列腺MR-only放射治疗剂量规划:一个多中心研究
Safaa Tahri1, Blanche Texier1, Jean-Claude Nunes1
1University of Rennes, Centre de Lutte contre le Cancer (CLCC) Eugène Marquis, INSERM Laboratoire Traitement du Signal et de l'Image (LTSI) - Unité Mixte de Recherche (UMR) 1099, Rennes, France.
Frontiers in oncology
|December 13, 2023
概括
一个新的通用深度学习模型可以准确地生成来自各种前列腺癌放射治疗的MRI设备的合成CT扫描. 这种方法确保了一致的图像和剂量准确性,为常规的MRI-only放射治疗铺平了道路.
科学领域:
- 医学物理 医学物理
- 辐射疗法 辐射疗法
- 人工智能的人工智能
背景情况:
- 从MRI生成合成CT (sCT) 对于仅MRI的放射治疗剂量计算至关重要.
- 目前用于sCT生成的深度学习 (DL) 模型在同一MRI设备的数据上进行训练和测试时表现最好.
- 需要一个通用的DL模型,以便在前列腺放射治疗的不同MRI设备上生成sCT.
研究的目的:
- 开发和评估一种通用的深度学习模型,用于从各种MRI设备生成合成CT (sCT) 扫描.
- 为了评估sCT图像和辐射剂量分布的准确性,生成的通用模型与单心模型相比.
- 确定使用通用模型用于常规前列腺癌MRI-only放射治疗的可行性.
主要方法:
- 使用了一个2D监督条件生成对抗网络 (Pix2Pix).
- 90名前列腺癌患者接受体积调节弧线疗法,来自三个中心.
- 使用来自一个,两个或所有三个中心的数据训练了七个受监督的模型,在所有数据上训练了一个通用模型.
主要成果:
- 仿制模型产生的sCT图像和剂量准确性与单心模型相比较,特别是当测试数据来自培训中心时.
- 在所有模型和中心中,CTV D99%的绝对剂量差异小于1 Gy.
- 马分析 (1%/1毫米) 在通用和单心模型之间显示了无意义的差异.
结论:
- 通用DL模型在sCT生成中达到与前列腺放射治疗单心模型相当的准确性.
- 通用模型,每中心只训练了八对MRI-CT对,提供了强大的sCT生成.
- 这种通用模型促进了前列腺癌仅用MRI进行放射治疗的临床实施.
