为放射治疗生成合成计算机断层扫描:SynthRAD2023挑战报告
Evi M C Huijben1, Maarten L Terpstra2, Arthur Jr Galapon3
1Department of Biomedical Engineering, Eindhoven University of Technology, Eindhoven, The Netherlands.
Medical image analysis
|July 28, 2024
概括
合成CT生成显示了适应性放射治疗的前景,弥合了MRI,CBCT和CT成像之间的差距. 剂量准确性对于临床使用至关重要,而不仅仅是图像相似性.
科学领域:
- 医疗成像医学成像
- 放射治疗 物理 物理
- 人工智能在医学中的应用
背景情况:
- 准确的患者解剖学表示对于放射治疗剂量计算至关重要.
- 传统的计算机断层扫描 (CT) 提供了重要的电子密度数据,但对于日常适应性放射治疗并不总是可行的.
- 磁共振成像 (MRI) 提供优越的软组织对比度,但缺乏电子密度信息,而圆束CT (CBCT) 则具有校准限制.
研究的目的:
- 为了对各种合成CT (sCT) 生成技术进行比较和比较.
- 用MRI到CT和CBCT到CT任务的多中心数据来评估sCT方法.
- 评估sCT在适应性放射治疗工作流程中的临床适用性.
主要方法:
- 在SynthRAD2023挑战中,使用了来自1080名患者的多中心基准真相数据.
- 定义了两个任务:MRI-to-CT和CBCT-to-CT图像合成.
- 评估涉及图像相似度指标和使用光子和质子治疗计划的基于剂量的评估.
主要成果:
- 这个挑战吸引了617个注册,其中22/17个是对任务1/2.2的有效提交.
- 顶级方法实现了高结构相似度指数 (≥0.87/0.90) 和马传递率 (光子≥98.1%/99.0%,质子≥97.3%/97.0%).
- 在图像相似性和剂量准确性之间没有观察到显著的相关性.
结论:
- 深度学习显示出产生高质量的sCT的巨大潜力,减少对传统CT的依赖.
- 剂量评估对于评估sCT的临床实用性至关重要,超出图像质量指标.
- SynthRAD2023为推进仅使用MRI和基于CBCT的自适应性放射治疗提供了宝贵的见解.
