平行 Swin Transformer 增强的 3D MRI-to-CT 合成用于 MRI-Only 放疗计划
计算机视觉与模式识别
2026-02-06 v1 机器学习
摘要
MRI提供优异的软组织对比度而无离子辐射；然而，由于缺乏电子密度信息，限制了其直接用于剂量计算。因此，当前放疗工作流程依赖MRI和CT的联合获取，增加注册不确定性和程序复杂度。合成CT生成使MRI唯一计划成为可能，但由于MRI-CT关系的非线性和解剖变异性，仍具有挑战性。我们提出Parallel Swin Transformer-Enhanced Med2Transformer，一种3D架构，将卷积编码与双分支Swin Transformer集成，以建模局部解剖细节和长程上下文依赖关系。多尺度位移窗口注意力与层次化特征聚合提高了解剖保真度。在公共数据集和临床数据集上的实验表明，该方法在图像相似性和几何精度方面优于基线方法。剂量评估显示临床可接受性能，平均靶点剂量误差为1.69%。代码已公开：https://github.com/mobaidoctor/med2transformer。
引用
@article{arxiv.2602.05387,
title = {Parallel Swin Transformer-Enhanced 3D MRI-to-CT Synthesis for MRI-Only Radiotherapy Planning},
author = {Zolnamar Dorjsembe and Hung-Yi Chen and Furen Xiao and Hsing-Kuo Pao},
journal= {arXiv preprint arXiv:2602.05387},
year = {2026}
}