基于生成对抗网络快速合成 CT 用于通用骨盆 MR-only 放疗的剂量评估
医学物理
2019-12-24 v2
摘要
为实现磁共振（MR）-only 放疗并促进人体辐射衰减建模，需要生成合成 CT（sCT）图像。考虑到 MR 引导放疗与在线自适应重计划的应用，sCT 生成应在数分钟内完成。本工作旨在评估现有深度学习网络能否快速生成 sCT 图像，以用于整个骨盆基于 MR 的精确剂量计算。研究基于 91 例前列腺、直肠及宫颈癌患者的数据，这些患者接受外照射放疗并在模拟定位时同时采集了 CT 与 MRI。利用常规双梯度回波序列获得的 Dixon 重建水、脂肪及同相图像来生成 sCT 图像。以配对方式在 32 例前列腺癌患者的 2D 横断切片上训练条件生成对抗网络（cGAN）。训练后的网络在剩余患者上测试以生成 sCT 图像。对测试集中 30 例患者，在 sCT 图像上重新计算临床计划剂量。通过比较基于体素的剂量差异、gamma 分析及剂量体积直方图（DVH）评估剂量分布。在 GPU 与 CPU 上生成单例患者体积 sCT 分别耗时 5.6 秒与 21 秒。平均而言，sCT 图像导致靶区最大剂量升高 0.3%。结果表明，使用在前列腺癌患者上训练的 cGAN 生成的 sCT 图像进行基于 MR 的精确剂量计算，对整个骨盆是可行的。sCT 生成速度足以集成到 MR 引导放疗工作流中。
关键词
引用
@article{arxiv.1802.06468,
title = {Dose evaluation of fast synthetic-CT generation using a generative adversarial network for general pelvis MR-only radiotherapy},
author = {Matteo Maspero and Mark H. F. Savenije and Anna M. Dinkla and Peter R. Seevinck and Martijn P. W. Intven and Ina M. Jurgenliemk-Schulz and Linda G. W. Kerkmeijer and Cornelis A. T. van den Berg},
journal= {arXiv preprint arXiv:1802.06468},
year = {2019}
}
备注
Accepted for publication in Physics in Medicine and Biology, in press (2018)