基于多序MRI的合成CT生成,使用CycleGAN进行头部和部MRI-only计划

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 放射治疗 物理 物理

背景情况:

• 精确的计算机断层扫描 (CT) 成像对于在鼻癌 (NPC) 中进行放射治疗计划至关重要.
• 磁共振 (MR) 影像提供了优越的软组织对比度,但缺乏直接用于剂量计算的电子密度信息.
• 从MR数据生成合成CT (sCT) 旨在弥合这一差距,但序列选择会影响准确性.

研究的目的:

• 评估各种MR序列 (T1,T2,T1C,T1DIXONC) 对CycleGAN生成的NPCsCT精度的影响.
• 为了比较单序与多序基于MR的sCT生成的性能.
• 评估生成的sCT图像的剂量测量可行性.

主要方法:

• 使用了143个头部和部MRI (T1,T2,T1C,T1DIXONC) 和来自NPC患者的CT扫描的数据集.
• 改进了CycleGAN架构,增强了生成器/区分器和一个新的循环一致结构控制域损失函数.
• 使用定量指标 (MAE,PSNR,SSIM,RMSE) 和计量评估 (3%/3毫米的马分析) 评估sCT准确性.

主要成果:

• 与其他单个MR序列相比,基于T1序列的sCT显示出更高的准确性.
• 基于多个序列MR的sCT,特别是结合T1,在评估指标中超过了单个序列方法.
• 对于大多数基于MR的sCT,全球马传递率超过95% (3%/3毫米),这表明除T2序列外,剂量测量一致性很好.

结论:

• 对于NPC患者,CycleGAN有效地从MRI数据中合成CT图像.
• T1加权的MR序列在单序sCT生成中最有效.
• 多个序列MR输入,利用T1,为sCT提供最高的精度和剂量计质量,显示了放射治疗应用的巨大潜力.