文献类型：期刊文章

作　　者：吴香奕[1] 曹锋[2] 曹瑞芬[3] 吴茜[4] 董江宁[2] 徐榭[1] 裴曦[1,5]

WU Xiangyi;CAO Feng;CAO Ruifen;WU Qian;DONG Jiangning;X.George Xu;PEI Xi(School of Physical Sciences,University of Science and Technology of China,Hefei,230025,China;Department of Medical Imaging,the First Affiliated Hospital of University of Science and Technology of China,Hefei 230001,China;College of Computer Science and Technology,Anhui University,Hefei 230601,China;School of Humanistic Medicine,Anhui Medical University,Hefei 230032,China;Anhui Wisdom Technology Co.Ltd,Hefei 230088,China)

机构地区：[1]中国科学技术大学物理学院工程与应用物理系,安徽合肥230025 [2]中国科学技术大学第一附属医院影像科,安徽合肥230001 [3]安徽大学计算机科学与技术学院,安徽合肥230601 [4]安徽医科大学人文医学院,安徽合肥230032 [5]安徽慧软科技有限公司,安徽合肥230088

出　　处：《中国医学物理学杂志》

基　　金：国家自然科学基金(11575180);安徽省自然科学基金(1908085MA27);安徽省重点研究与开发计划(1804a09020039);安徽省高校自然科学研究项目(KJ2019A0240)。

年　　份：2021

卷　　号：38

期　　号：1

起止页码：21-29

语　　种：中文

收录情况：CSCD、CSCD_E2021_2022、JST、ZGKJHX、普通刊

摘　　要：目的:基于循环一致性生成对抗网络(CycleGAN),利用非配对患者盆腔部位数据,实现MRI和CT图像之间的相互转换,并对基于该模型生成的盆腔伪CT(sCT)进行精度和剂量性能的评估。方法:该CycleGAN网络包含两个生成器和两个判别器。先基于全卷积网络(FCNs)构建两个生成器,一个将2D盆腔MRI转换为2D盆腔sCT图像,另一个将CT图像转换为伪MRI(sMRI)图像。再基于FCNs构建两个判别器,用于对真实图像和生成的伪图像进行判别,提升生成图像的质量。为保证sCT图像与MRI图像的一致性,引入归一化互信息作为相似性约束损失项,对模型进行改进。训练集包括35例患者盆腔部位的T1-MRI图像和另外36例患者盆腔部位的CT图像,测试集包括10例盆腔部位患者的MRI和CT图像,评估方法包括sCT与CT图像的误差和放疗剂量伽马通过率。结果:对于测试集中所有病例,生成的sCT与真实CT图像之间的平均绝对误差(MAE)为35.537(±4.537)HU;基于体素的平均剂量差异最大为0.49%;以3%/3 mm、2%/2 mm和1%/1 mm为标准的平均伽马通过率分别高于99%、98%和95%。结论:使用CycleGAN网络和非配对患者训练数据可以生成准确且符合临床剂量精度要求的盆腔部位sCT图像。

关 键 词：伪CT  非配对  盆腔 磁共振成像 循环一致性生成对抗网络  

分 类 号：R318[生物医学工程类] TP391.41[基础医学类]