基于MR的合成CT生成使用双重注意力增强的3D条件GAN用于头部和部放射治疗
Fengfeng He1, Kang Tan1, Shenglin Liu2
1Center for Oncology Radiotherapy, Zhongnan Hospital of Wuhan University, 430071 Wuhan, People's Republic of China.
Biomedical physics & engineering express
|November 27, 2025
概括
这项研究引入了改进的3DcGAN,用于合成来自MRI扫描的CT,增强头部和部瘤的放射治疗计划. 该方法实现了临床上可接受的合成CT图像,优于现有的模型.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 放射治疗规划 放射治疗规划
背景情况:
- 磁共振成像 (MRI) 与计算机断层扫描 (CT) 相比,提供了优越的软组织对比.
- 由于其精确的电子密度信息,CT对于放射治疗计划至关重要.
- 从MRI (sCT) 合成CT可以实现仅MR的放射治疗规划,减少辐射暴露和改善工作流程.
研究的目的:
- 开发和验证一个改进的3D条件生成对抗网络 (3D cGAN),用于从MRI数据中合成CT图像.
- 通过双重注意力机制来增强3DcGAN,以提高头部和部瘤放射治疗计划的准确性.
- 评估合成CT (sCT) 图像的临床可接受性和定量性能.
主要方法:
- 利用了212个对联CT和T1权重的MRI数据集 (180个公共,32个临床).
- 实现了一个3D cGAN框架,对生成器,区分器和损失函数进行结构修改.
- 在发电机中引入了一个基于3D残余网络的轻量级双重注意力机制模块.
主要成果:
- 双重注意力增强的3DcGAN成功地为所有26个测试病例生成了临床上可接受的sCT图像.
- 实现了高定量准确性:NCC 97.06%,SSIM 90.24%,PSNR 28.23 ± 0.42,MAE 32.53 ± 2.49 HU. 这是一个很好的方法.
- 在所有评估的定量指标中表现优于U-Net,CycleGAN和基本的3DcGAN.
结论:
- 拟议的双重注意力增强的3D cGAN算法有效地合成了头部和部瘤患者MRI的CT图像.
- 这种自动化方法对于推进仅MR的放射治疗计划至关重要.
- 该方法提供快速准确的合成CT生成,提高放射治疗规划效率和安全性.
