合成CT生成在MRI导向的外放射治疗中的一般模型的可行性研究

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:

• 仅用MRI进行放射治疗的目的是通过利用MRI优越的软组织对比度来提高治疗精度.
• 从MRI数据生成合成CT (sCT) 图像对于放射治疗计划至关重要,弥合了MRI和CT基于工作流程之间的差距.
• 当前的方法往往需要特定地点的模型,限制了适应性和效率.

研究的目的:

• 评估一个单一的,可概括的生成模型的可行性,用于在不同解剖区域 (胸部,腹部,骨盆) 合成CT图像.
• 在放射治疗规划中,评估一般模型的性能与MRI-to-CT合成的特定场所模型相比.
• 为了确定合成CT图像的剂量测量精度和图像质量,用于MRI导向放射治疗.

主要方法:

• 采用多平面方法的条件生成对抗网络 (cGAN) 来从0.35TMR图像 (TrueFISP) 中生成sCT图像.
• 使用了157名接受MRI导向放射治疗 (胸部,腹部,骨盆) 的患者的数据,122人接受培训,35人进行验证.
• 评估了偏差场校正预处理的影响,并使用峰值信号对噪声比 (PSNR),结构相似度指数 (SSIM),平均绝对误差 (MAE) 和剂量分析来评估性能.

主要成果:

• 在所有评估指标 (PSNR,SSIM,MAE) 上,总体模型表现出与特定地点模型相比较的性能.
• 在sCT和地面真相CT计划之间的剂量差异很小,平均为目标覆盖率<0.5%和风险器官<2.1%.
• sCT计划的马合格率超过了94% (1%/1毫米) 和99% (2%/2毫米),表明与地面真相CT计划的良好一致.

结论:

• 一个单一的,可通用的模型是可行的合成CT图像在胸部,腹部和骨盆,支持MRI-only放射治疗.
• 开发的通用模型提供了高质量的合成CT图像,具有最小的剂量计影响,与特定地点的模型相比.
• 这种方法有可能简化放射治疗规划工作流程,并提高MRI导向放射治疗的采用率.