基于循環(huán)一致性生成對抗網(wǎng)絡(luò)的盆腔偽CT生成方法

吳香奕，曹鋒，曹瑞芬，吳茜，董江寧，徐榭，裴曦，5

前言

磁共振成像（Magnetic Resonance Imaging,MRI）具有優(yōu)良的軟組織對比度，在現(xiàn)代放射治療中起著至關(guān)重要的作用。目前，臨床上常采用MRI 和計算機斷層掃描（Computer Tomography,CT）圖像進(jìn)行多模態(tài)圖像配準(zhǔn)，用于勾畫靶區(qū)和危及器官。然而，MRI-CT 圖像配準(zhǔn)帶來很大的不確定性，會影響整個治療過程。例如，對于頭部和前列腺，該配準(zhǔn)不確定性能達(dá)到0.5～3.5 mm［1-2］。而在MRI-only 放療計劃中，由于不需要CT 圖像以及MRI-CT 圖像配準(zhǔn)，因此就不存在配準(zhǔn)導(dǎo)致的系統(tǒng)誤差，同時還能簡化放射治療工作流程，減少患者CT 成像導(dǎo)致的劑量［3］。此外，MRI-only 放療過程中，可以根據(jù)實時MRI圖像調(diào)整放療計劃，為在線自適應(yīng)放射治療的臨床實施提供一種新的解決方案，避免MRI 與計劃CT 配準(zhǔn)帶來的不確定性。然而，在MRI-only 放療臨床實施中，MRI 圖像的體素強度與放療計劃中計算劑量所需的電子密度信息之間缺乏直接關(guān)聯(lián)，因此需要將MRI圖像轉(zhuǎn)換成含有電子密度信息的偽CT（Synthetic CT,sCT）圖像。目前，已有方法包括體積密度分配方法［4-6］、基于體素方法［6-12］和基于圖譜方法［13-22］，以及最近發(fā)展的深度學(xué)習(xí)方法。研究顯示使用卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network,CNN）［23-24］或生成對抗網(wǎng)絡(luò)（Generative Adversarial Network,GAN）［25-26］的模型優(yōu)于使用體素和圖譜的方法，但這些深度學(xué)習(xí)方法都設(shè)置了基于sCT與其對應(yīng)真實CT之間體素級比較的損失項，因此必須采用同一患者的配對MRI 和CT 圖像進(jìn)行訓(xùn)練。然而利用配對圖像訓(xùn)練主要存在以下兩個問題：一方面，同一患者的配對MRI 和CT 圖像在臨床實踐中難以獲?。涣硪环矫?，基于體素級比較的損失項，容易受到MRI-CT 圖像配準(zhǔn)誤差的影響［27］。另外，訓(xùn)練集中配對MRI和CT 圖像也可能對GAN 模型本身的訓(xùn)練產(chǎn)生負(fù)面影響［26,28］。因此，不同于之前的研究，本文提出一種新的MRI和CT 圖像轉(zhuǎn)換方法［29］，引入基于歸一化互信息的相似性約束損失項，使用非配對患者的MRI 和CT 圖像來訓(xùn)練循環(huán)一致性生成對抗網(wǎng)絡(luò)（CycleGAN）模型，將盆腔MRI 圖像轉(zhuǎn)換為sCT 圖像。使用平均絕對誤差（Mean Absolute Error,MAE）和平均誤差（Mean Error,ME）評估測試集中所有患者的sCT 精度，并計算sCT 與其對應(yīng)CT 圖像間的放療劑量差異和伽馬通過率，以驗證CycleGAN 模型利用非配對訓(xùn)練數(shù)據(jù)生成sCT圖像的可行性，以及基于生成的sCT圖像做放療計劃的準(zhǔn)確性。

1 材料與方法

1.1 數(shù)據(jù)的收集和預(yù)處理

從中國科學(xué)技術(shù)大學(xué)第一附屬醫(yī)院西區(qū)影像科直腸癌患者圖像數(shù)據(jù)集中，隨機抽取到35例患者的MRI圖像，36例患者的CT圖像，以及10例患者的MRI和CT圖像?；颊吣挲g32～83歲。由于均是診斷圖像，掃描時不采用熱塑模，因此不像放療流程中所采集圖像那樣具有很好的固定性，這些診斷圖像中顯示出的身體輪廓并不規(guī)則，差異較大（圖1）。T1-MRI（重復(fù)時間500～520 ms，回波時間6.9～8.0 ms，翻轉(zhuǎn)角度90°）圖像由3.0T 磁共振設(shè)備（Signa HDxt,GE Healthcare Technologies,Milwaukee,Wisconsin,USA）掃描獲得。CT 圖像是在CT 機上（Discovery 750,GE Healthcare Technologies,Milwaukee,Wisconsin,USA）以120 kV和176～420 mA掃描獲得。MRI圖像的分辨率從（6.000×0.625×0.625）mm3至（6.000×0.820×0.820）mm3不等，CT圖像的分辨率均為（5.000×0.854×0.854）mm3。所有圖像都重新采樣到統(tǒng)一分辨率（5.000×1.000×1.000）mm3，橫斷位片層裁剪為324×424大小。采用最大類間方差法（Otsu）和形態(tài)學(xué)操作提取出CT和MRI圖像中的盆腔區(qū)域，排除金屬支架和空氣。需要說明的是，訓(xùn)練集中MRI和CT圖像無需任何形式的配準(zhǔn)。

1.2 基于MRI生成sCT圖像的網(wǎng)絡(luò)結(jié)構(gòu)

圖1 從非配對訓(xùn)練集中隨機選出的CT（a）和MRI（b）圖像Fig.1 CT(left)and MRI(right)images randomly selected from the unpaired training set

MRI 和CT 圖像是人體組織兩種不同的醫(yī)學(xué)成像方式，因此MRI 和CT 圖像之間存在著潛在的相關(guān)性。這些相關(guān)性可以通過Zhu等［30］提出的CycleGAN模型來求得，并實現(xiàn)人體組織的MRI 和CT 圖像之間的相互轉(zhuǎn)換。該模型最大的優(yōu)點是其訓(xùn)練不需要配對的MRI 和CT 圖像，正好符合本研究基于非配對圖像生成盆腔sCT的目的。圖2展示了由兩個循環(huán)和4個獨立全卷積網(wǎng)絡(luò)（Fully Convolutional Networks,FCNs）組成的CycleGAN 模型結(jié)構(gòu)。兩個循環(huán)分別為前向循環(huán)和后向循環(huán)。4 個FCNs包括兩個生成器GMRI-CT和GCT-MRI，兩個判別器DMRI和DCT。在前向循環(huán)中，訓(xùn)練生成器GMRI-CT將輸入的MRI 圖像轉(zhuǎn)換為sCT 輸出圖像，GMRI-CT盡量讓判別器DCT難以辨別sCT 和CT 圖像。訓(xùn)練生成器GCT-MRI將上一步生成的sCT 圖像再轉(zhuǎn)換回MRI 圖像，稱為重建MRI 圖像（rMRI），并且盡量讓rMRI 與輸入的MRI 圖像一致?？偟膩碚f，前向循環(huán)實現(xiàn)MRI 到sCT 再到rMRI 的循環(huán)。后向循環(huán)與前向循環(huán)相反，實現(xiàn)CT 到偽MRI 圖像（sMRI）再到重建的CT圖像（rCT）的循環(huán)。兩個生成器采用的FCNs 結(jié)構(gòu)相同，包括兩個跨步卷積層、9個殘差網(wǎng)絡(luò)和兩個反卷積層［31］。該模型能夠靈活地適應(yīng)不同尺寸的輸入圖像，并得到與輸入圖像尺寸相同的輸出圖像。且模型中采用的殘差網(wǎng)絡(luò)能夠簡化MRI 和CT 圖像之間復(fù)雜關(guān)系的學(xué)習(xí)。本文兩個判別器的FCNs 采用PatchGAN 結(jié)構(gòu)［32］，能將輸入圖像以局部圖像塊為單位進(jìn)行真假判別。這樣只需訓(xùn)練較少的參數(shù)從而提高訓(xùn)練效率，同時基于局部圖像塊進(jìn)行判別也可以提高生成圖像的精度。

圖2 CycleGAN模型的整體結(jié)構(gòu)和兩個循環(huán)Fig.2 The overall structure and two cycles of CycleGAN model

1.3 目標(biāo)函數(shù)

本文模型采用的總目標(biāo)函數(shù)由對抗損失項（Adversarial Loss,Ladv）、循環(huán)一致性損失項（Cycleconsistency Loss,Lcycle）和相似性約束損失項（Similarity-constraint Loss,Lsc）3 部分組成，以保持偽圖像與其對應(yīng)輸入圖像之間的結(jié)構(gòu)一致性。Ladv引導(dǎo)生成器GMRI-CT學(xué)習(xí)將輸入的MRI圖像轉(zhuǎn)換為具有CT 圖像分布特征的sCT 圖像，以使判別器DCT也無法判別出sCT 是不是真實的CT 圖像，即無法準(zhǔn)確地將其判別為0。GMRI-CT同理。Ladv函數(shù)如下：

其中，Pdata(CT)是CT 圖像的分布，Pdata(MRI)是MRI 圖像的分布，GCT-MRI( CT )是給生成器輸入訓(xùn)練集中的CT圖像之后生成的sMRI 圖像，DMRI(GCT-MRI( CT ))是將sMRI 圖像輸入判別器DMRI之后得到的實際判別值（取值范圍為［0,1］），1 是理想狀態(tài)下的判別值，是基于訓(xùn)練集中CT 圖像生成的sMRI 輸入判別器DMRI之后得到的實際判別值（［0,1］）與理想值1之間均方根誤差的期望值。同理。

Lcycle是輸入真實圖像和輸出偽圖像之間的間接結(jié)構(gòu)約束項。生成器GMRI-CT和GCT-MRI應(yīng)互逆，兩個映射都應(yīng)該滿足雙射，以使在兩個循環(huán)中都可以將輸入圖像轉(zhuǎn)換成偽圖像之后還能再轉(zhuǎn)換回輸入圖像,比如前向循環(huán)中的MRI 到GMRI-CT生成的sCT 再到GCT-MRI生成的rMRI，此rMRI圖像理想情況下應(yīng)該與真實的輸入MRI圖像一樣。該損失項的函數(shù)如下：

由于本文是研究基于非配對訓(xùn)練數(shù)據(jù)生成精確sCT 圖像的可行性，訓(xùn)練過程中并沒有對應(yīng)的真實CT圖像與生成的sCT圖像做對比。因此為了進(jìn)一步確保sCT圖像的精度，需要對生成的sCT圖像與輸入的MRI 圖像進(jìn)行直接的相似性約束。本文引入了多模態(tài)圖像配準(zhǔn)中常用的相似性測度—歸一化互信息（NMI）來作為相似性約束損失項Lsc。該損失項的函數(shù)由分別對應(yīng)兩個生成器的兩部分組成：

其中，生成器GMRI-CT部分的損失項函數(shù)如下：

H(MRI) 是 MRI圖像的信息熵，H(GMRI-CT( MRI ))是GMRI-CT生成的sCT 圖像的信息熵，H(GMRI-CT( MRI ),MRI)是兩圖像的聯(lián)合熵。當(dāng)兩圖像完全獨立時，聯(lián)合熵最大，Lsc(GMRI-CT)取1；當(dāng)兩圖像完全對齊時，聯(lián)合熵最小，Lsc(GMRI-CT)取0。p(MRIi)和p((GMRI-CT(MRI))j)是MRI 和sCT 圖像的像素值分布，p(MRIi,(GMRI-CT(MRI))j)是兩圖像像素值的聯(lián)合分布。同理可得Lsc(GCT-MRI)。

判別器的目標(biāo)函數(shù)引導(dǎo)其提高判別真實圖像和偽圖像的能力。DCT的目標(biāo)函數(shù)如下：

DMRI的目標(biāo)函數(shù)同理可得。

1.4 實驗配置和訓(xùn)練參數(shù)設(shè)置

訓(xùn)練集包括35例患者的MRI圖像和另外36例患者的CT圖像，總計932張MRI和914張CT橫斷位圖像。測試集中10例患者共有253張MRI圖像和220張CT橫斷位圖像。CT像素值分布范圍約束為-600～1 500 HU，MRI約束為0～2 500。循環(huán)一致性損失項和相似性約束損失項的權(quán)重均設(shè)為10。為了增加訓(xùn)練樣本的數(shù)量，輸入圖像在進(jìn)入網(wǎng)絡(luò)訓(xùn)練之前被隨機裁剪為256×256大小。模型采用Adam優(yōu)化器［33］進(jìn)行200代優(yōu)化訓(xùn)練，在前100代訓(xùn)練中，學(xué)習(xí)率固定為0.000 2，在后100代訓(xùn)練中，學(xué)習(xí)率從0.000 2線性降低至0。Batch的大小設(shè)為6。在單個NVIDIA Quadro M6000 24 GB上，模型訓(xùn)練耗時約25 h。測試集中10例患者的sCT圖像生成耗時約9 s。

1.5 sCT精度和劑量計算精度評估方法

由于測試集中同一患者的MRI 和CT 圖像掃描時間和掃描擺位不同，兩者并非完全一一對應(yīng)。因此本文先使用Elastix［34］將生成的sCT 圖像配準(zhǔn)到其對應(yīng)的真實CT 圖像，以便對兩者進(jìn)行對比，從而評估sCT精度。根據(jù)盆腔部位CT值特征，設(shè)置-600 HU為閾值對sCT 和真實CT 圖像進(jìn)行閾值分割，提取感興趣的身體區(qū)域，排除背景和空氣，并將空氣和背景的值設(shè)置為常見的空氣HU 值：-1 000 HU。利用2×2的棋盤格圖像展示真實CT和sCT圖像之間的結(jié)構(gòu)一致性。為直接比較兩圖像的體素值差異，在兩圖像感興趣區(qū)域內(nèi)計算MAE 和ME 以定量評估sCT 精度。MAE和ME的計算如下：

其中，N表示真實CT 圖像和sCT 圖像感興趣區(qū)域內(nèi)的體素個數(shù)，CTi和sCTi分別表示真實CT 圖像和sCT圖像感興趣區(qū)域內(nèi)每個體素的像素值。

驗證劑量分布的準(zhǔn)確性對于預(yù)測臨床應(yīng)用的效果非常重要，常用的臨床驗證指標(biāo)包括劑量差異和伽馬通過率。國際上sCT的放射治療驗證研究中，也均采用這些指標(biāo)。因此，針對測試集中所有直腸癌患者的sCT，本研究在10%、50%和90%的劑量閾值區(qū)域內(nèi)分別計算劑量差異，以及分別計算使用3%/3 mm、2%/2 mm和1%/1 mm標(biāo)準(zhǔn)時的伽馬通過率。對于測試集中的所有患者，均在Pinnacle放療計劃系統(tǒng)中，以（3×3×3）mm3計算網(wǎng)格，使用卷積疊加算法，基于真實CT進(jìn)行調(diào)強放射治療計劃，再將得到的原始放療計劃以相同的算法和設(shè)定參數(shù)，加載到sCT上重新計算出基于sCT的劑量分布。處方劑量為58～71 Gy。

伽馬通過率（Gamma pass rate）和每個體素的劑量差異（Dose difference）的計算如下：

其中，ΔDose 表示sCT 中當(dāng)前體素與CT 中離當(dāng)前體素相距Δdistance 的體素的劑量差異，Δdistancemax和ΔDosemax為計算伽馬通過率設(shè)置的限制標(biāo)準(zhǔn)。例如3%/3 mm 標(biāo)準(zhǔn)下的伽馬通過率計算時的Δdistancemax和ΔDosemax分別為3 mm和3%。

其中，DoseCT表示基于CT計算出的每個體素的劑量，DosesCT表示基于sCT 計算出的每個體素的劑量，Doseprescribe表示處方劑量。

2 結(jié)果

2.1 sCT精度

圖3采用棋盤格圖像展示了隨機挑選的4 例患者不同部位的CT 和sCT 圖像的結(jié)構(gòu)一致性，從中可以看到在這些病例的真實CT和sCT圖像之間，輪廓、骨骼、肌肉和皮下脂肪等連接都很自然。但在第4例患者的sCT和真實CT圖像中出現(xiàn)了內(nèi)部空腔不一致的現(xiàn)象。圖4是第4例患者的MRI圖像、sCT圖像、真實CT 圖像和兩者棋盤格圖像的內(nèi)部細(xì)節(jié)展示。從圖中可以看到，病例4的MRI和sCT圖像內(nèi)部結(jié)構(gòu)是保持一致的，但該病人的MRI 和CT 圖像之間直腸中內(nèi)容物存在差異。這很可能是由于這兩種圖像是在不同時期掃描得到的（該病例MRI 掃描時間為2018年7月27日，CT 掃描時間為2018年7月26日）。所以雖然sCT 與MRI圖像的結(jié)構(gòu)一致性保持很好，sCT空腔部位也無法與CT 對應(yīng)。也就是說，同一病人的MRI和對應(yīng)CT之間存在差異，導(dǎo)致sCT和CT圖像之間的空腔部位差異變大。

圖5顯示了測試集中所有患者的真實CT 和sCT圖像間的MAE 和ME 值箱型統(tǒng)計分布。平均MAE（±std）和ME（±std）值分別為35.537（±4.537）HU 和11.278（±7.425）HU。其中結(jié)果最好的一個病例的MAE 和ME 值分別為30.784 和3.713 HU。結(jié)果最差的一個病例的MAE 和ME 值分別為41.559 和25.645 HU。圖6則顯示了某測試病例的sCT 及其對應(yīng)真實CT圖像間的HU 值差異圖?？梢钥闯?，HU 值差異比較大的主要區(qū)域是在皮質(zhì)骨和皮膚邊界，且生成的sCT圖像相比真實CT圖像要模糊一些。

圖3 由4個患者的sCT和真實CT圖像組成的棋盤格圖像Fig.3 Checkboard images of sCT and real CT images of 4 patients from the test set

圖4 第4例患者的MRI、sCT和真實CT圖像的內(nèi)部空腔細(xì)節(jié)圖Fig.4 Detail image of air package in MRI,sCT and CT images of patient#4

2.2 劑量分布對比

圖7顯示了對測試集中某病例基于相同放療計劃和參數(shù)，在真實CT 及對應(yīng)sCT 圖像上計算得到的劑量分布，及兩者間劑量差異。從圖中可以發(fā)現(xiàn)，基于sCT及其CT圖像計算的劑量分布幾乎無肉眼可見差異。如劑量分布差異圖7所示，絕大部分體素的劑量差異都小于1%，只有皮膚邊界上少量體素的劑量差異大于3%。

圖5 測試集中所有患者sCT與CT圖像的MAE和ME 值的箱型統(tǒng)計分布（橙色實線表示中值，綠色虛線表示平均值）Fig.5 Box-wise statistical distribution of MAE and ME values of sCT and CT images of all patients in the test set(The solid orange line indicates the median value,and the green dotted line indicates the mean value)

圖8顯示了不同劑量閾值區(qū)域內(nèi)（10%、50%和90%）相對于處方劑量的平均劑量差異，以及不同劑量閾值區(qū)域內(nèi)不同標(biāo)準(zhǔn)下（3%/3 mm、2%/2 mm 和1%/1 mm）的伽馬通過率。在不同的劑量閾值區(qū)域內(nèi)，平均劑量差異均小于0.5%。3D 伽馬分析也表明，對于測試集中所有患者，基于sCT 圖像進(jìn)行放療計劃的平均伽馬通過率分別大于99%、98%和95%。

表1統(tǒng)計了測試集中所有直腸癌患者，在10%、50%和90%處方劑量為閾值的感興趣區(qū)域內(nèi)，相對于處方劑量的平均劑量差異和伽馬通過率。結(jié)果表明，在測試集的所有患者中，真實CT和sCT圖像間的劑量分布是一致的；在10%處方劑量閾值區(qū)域，病例的最佳平均劑量差異值為0.40%，最差值為0.65%。3%/3 mm 標(biāo)準(zhǔn)下伽馬通過率最佳值為100%，最差值為99.3%。

3 討論

圖6 MRI,CT和sCT圖像,以及CT與sCT的HU值差異圖Fig.6 MRI,CT and sCT images and difference map of HU value difference between CT and sCT

圖7 病例的劑量分布差異圖Fig.7 Dose distribution difference map of an example

圖8 不同劑量閾值區(qū)域內(nèi)的平均劑量差異和平均伽馬通過率Fig.8 Mean dose differences and mean gamma pass rates within different dose threshold regions

表1 測試集中所有直腸癌患者的劑量差異和伽馬通過率（± s［最小值，最大值］）Tab.1 Dose differences and gamma pass rates for all 10 test patients with rectal cancer(Mean±SD［min,max］)

表1 測試集中所有直腸癌患者的劑量差異和伽馬通過率（± s［最小值，最大值］）Tab.1 Dose differences and gamma pass rates for all 10 test patients with rectal cancer(Mean±SD［min,max］)

伽馬通過率/%感興趣區(qū)域劑量差異/%γ3%,3mm γ2%,2mm γ1%,1mm D＞10%D＞50%D＞90%0.49±0.08［0.40,0.65］0.35±0.12［0.17,0.55］0.34±0.16［0.15,0.60］99.83±0.21［99.30,100.00］99.99±0.03［99.90,100.00］100.00±0.00［100.00,100.00］98.84±0.54［98.00,99.80］99.93±0.15［99.60,100.00］99.98±0.06［99.80,100.00］95.79±1.23［94.30,98.00］98.82±0.64［98.00,99.90］98.89±1.42［95.50,100.00］

與傳統(tǒng)基于相同患者的配準(zhǔn)CT 和MRI 圖像進(jìn)行訓(xùn)練的研究不同，本文采用不同患者的非配對數(shù)據(jù)來訓(xùn)練CycleGAN 網(wǎng)絡(luò)，研究了從盆腔的T1-MRI生成sCT 圖像的可行性和精確性。使用CycleGAN消除了MRI-CT 多模態(tài)圖像配準(zhǔn)的不確定性，也避免了Wolterink等［26］提到的相同患者的配對圖像可能對網(wǎng)絡(luò)訓(xùn)練帶來的負(fù)面影響。此外，與真實CT 圖像對比，sCT 精度和劑量分布分析結(jié)果都表明生成的sCT圖像符合臨床應(yīng)用要求—在3%/3 mm 標(biāo)準(zhǔn)下，伽馬通過率須達(dá)到90%，嚴(yán)格一些會要求達(dá)到95%；根據(jù)美國物理師協(xié)會（American Association of Physicists in Medicine,AAPM）TG-51 號報告［35］，總劑量差應(yīng)控制在±5%以內(nèi)。

由于MRI 和CT 圖像之間掃描日期和擺位不同，空腔位置和尺寸不可避免地出現(xiàn)了不一致。為了排除由于原始圖像空腔不一致對于模型以及sCT 評估的影響，將像素值在-600 HU 以下的體素默認(rèn)為背景和空腔，排除在感興趣區(qū)域以外，不參與到MAE 和ME值的計算。這樣能排除空腔影響，計算出的MAE和ME 值才更合理有效。最后得到的盆腔部位的平均MAE 小于36 HU，在此參考標(biāo)準(zhǔn)上優(yōu)于之前其他學(xué)者報告的結(jié)果。雖然采用的測試數(shù)據(jù)不同，但是也具有一定的參考價值［36-38］。然而，體內(nèi)空腔確實有可能對劑量分布的合理分析產(chǎn)生關(guān)鍵影響。

與基于CT 圖像計算得到的劑量分布相比，基于sCT 圖像計算得到的劑量分布的平均劑量差異在處方劑量的±0.5%以內(nèi)，根據(jù)Persson 等［39］研究，這對整個放射治療工作流程中的總不確定性的貢獻(xiàn)可以忽略。從劑量差異圖上也可以看出，空腔中的不匹配對劑量計算的影響很小，部分原因是沿射束路徑的空腔數(shù)量少且尺寸小。此外，在皮膚邊界上呈現(xiàn)了較大的劑量差異（3%～5%），這主要歸因于MRI和CT圖像是在不同擺位下進(jìn)行掃描的，導(dǎo)致MRI 圖像生成的sCT 圖像顯示出與對應(yīng)CT 圖像不同的皮膚邊界。即使對sCT 和CT 圖像進(jìn)行配準(zhǔn)，兩者的皮膚邊界也不可能完全匹配。并且在皮膚邊界上呈現(xiàn)的較大劑量差異對整體平均劑量差異影響并不大。這一方面是由于呈現(xiàn)較大劑量差異的網(wǎng)格點數(shù)量很??；另一方面是由于光子放射治療本身的特征—高劑量區(qū)域發(fā)生在皮膚以下1.5 cm處，而皮膚邊界處所受劑量較小。所以盡管皮膚邊界存在輕微的劑量誤差，但腫瘤劑量幾乎不受影響，整體的平均劑量差異依然小于0.5%。在1%/1 mm、2%/2 mm 和3%/3 mm 標(biāo)準(zhǔn)的平均伽馬通過率分別大于95%、98%和99%，進(jìn)一步證明了使用該模型生成sCT 圖像進(jìn)行放療計劃劑量計算時，其劑量精度達(dá)到了臨床要求。

本研究只使用了不同患者非配對的單一傳統(tǒng)序列MRI圖像和CT圖像來訓(xùn)練模型并生成精確的sCT圖像。根據(jù)之前的研究［38］，使用多序列MRI 圖像作為深度學(xué)習(xí)網(wǎng)絡(luò)的輸入，可以提高sCT的質(zhì)量。但多序列MRI 圖像需要更長的采集時間，這會導(dǎo)致更嚴(yán)重的運動偽影。且臨床中使用的其他MRI 序列的視野很小，這可能導(dǎo)致生成的sCT 不夠完整。因此，未來驗證多序列MRI 圖像的使用對提高sCT 精度的效果時，還必須慎重考慮提高sCT準(zhǔn)確性和上述問題之間的平衡。

該研究是基于診斷用的影像科MRI 和CT 圖像進(jìn)行的，掃描擺位差異、MRI 圖像的視野不足以及較大的圖像厚度都在一定程度上限制了sCT 生成模型的性能。在未來的工作中，將研究用放療流程中掃描的圖像來進(jìn)一步研究該模型的性能，以及該模型在其他身體部位的通用性。

4 結(jié)語

本文首次使用不同病人的非配對MRI 和CT 圖像來研究CycleGAN 模型，驗證了CycleGAN 模型從盆腔T1-MRI生成sCT 的可行性和準(zhǔn)確性。訓(xùn)練集中不需要任何形式的配準(zhǔn)，MRI 和CT 圖像也都來自不同的患者，從而消除了多模態(tài)圖像配準(zhǔn)誤差對模型性能和sCT 圖像精度的影響以及相同患者的配對圖像可能對模型訓(xùn)練造成的影響。研究結(jié)果也表明，該模型基于非配對數(shù)據(jù)訓(xùn)練可以從盆腔單一傳統(tǒng)MRI圖像生成精確的sCT圖像，基于該sCT圖像進(jìn)行外部光子放療的劑量計算也完全滿足臨床應(yīng)用的要求。未來將展開該sCT 圖像生成模型在其他身體部位的通用性研究，為臨床MRI-only 放射治療工作提供必需的基礎(chǔ)。