[1]吴新红,王江涛,唐巍,等.基于DenseCUT网络由头部锥形束CT图像生成合成CT图像[J].中国医学物理学杂志,2023,40(3):313-319.[doi:DOI:10.3969/j.issn.1005-202X.2023.03.009]
　WU Xinhong,WANG Jiangtao,TANG Wei,et al.Generation of synthetic CT image from head cone beam CT image using DenseCUT[J].Chinese Journal of Medical Physics,2023,40(3):313-319.[doi:DOI:10.3969/j.issn.1005-202X.2023.03.009]
点击复制

基于DenseCUT网络由头部锥形束CT图像生成合成CT图像()
分享到：

《中国医学物理学杂志》[ISSN:1005-202X/CN:44-1351/R]

卷:
40卷
期数:
2023年第3期
页码:
313-319
栏目:
医学影像物理
出版日期:
2023-03-29

文章信息/Info

Title:
Generation of synthetic CT image from head cone beam CT image using DenseCUT
文章编号:
1005-202X（2023）03-0313-07
作者:
吴新红1; 王江涛1; 唐巍2; 左阳1; 3; 卢晓明2; 朱磊1; 杨益东1; 3
1.中国科学技术大学工程与应用物理系， 安徽 合肥 230026； 2.合肥离子医学中心， 安徽 合肥 230088； 3.中国科学技术大学附属第一医院放射治疗科， 安徽 合肥 230001
Author(s):
WU Xinhong1;  WANG Jiangtao1;  TANG Wei2;  ZUO Yang1;  3;  LU Hsiao-Ming2;  ZHU Lei1;  YANG Yidong1;  3
1. Department of Engineering and Applied Physics, University of Science and Technology of China, Heifei 230026, China 2. Hefei Ion Medical Center, Hefei 230088, China 3. Department of Radiotherapy, the First Affiliated Hospital of University of Science and Technology of China, Hefei 230001, China
关键词:
锥形束CT; 合成CT; 密集对比非配对转换网络
Keywords:
Keywords: cone beam CT synthetic CT dense contrastive unpaired translation network
分类号:
R318；R811.1
DOI:
DOI:10.3969/j.issn.1005-202X.2023.03.009
文献标志码:
A
摘要:
提出一种由头部锥形束CT（CBCT）图像生成合成CT（sCT）图像的无监督深度学习网络，并与循环生成对抗（CycleGAN）网络及对比非配对转换（CUT）网络进行比较。本研究共获取56例脑部肿瘤患者的计划CT（pCT）和CBCT数据（其中49例用于训练，7例用于测试），分别使用CycleGAN网络、CUT网络以及本研究提出的密集对比非配对转换（DenseCUT）网络由CBCT图像生成sCT。DenseCUT网络有两点创新之处：将CUT网络与密集块网络结合；在损失函数中加入结构相似性。与pCT-CBCT相比，pCT-sCT（DenseCUT网络）的HU值平均绝对误差从34.38 HU降低到17.75 HU，峰值信噪比从26.19 dB提升到29.83 dB，结构相似性从0.78提升到0.87。本文方法可在不改变解剖结构的情况下从CBCT图像中生成高质量的sCT图像，同时降低图像伪影，使CBCT应用于剂量计算和自适应放疗计划成为可能。
Abstract:
Abstract: An unsupervised deep learning network is presented for generating synthetic CT (sCT) images from cone beam CT (CBCT) images of the head, and it is compared with cycle-consistent generative adversarial network (CycleGAN) and contrastive unpaired translation (CUT). After collecting the planning CT (pCT) images and CBCT images of 56 brain tumor patients (49 for training and 7 for testing), the sCT images are generated from CBCT images using CycleGAN, CUT, and the proposed dense contrastive unpaired translation (DenseCUT), separately. DenseCUT has two novelties, namely combining the CUT network with the dense block network, and adding structural similarity to the loss function. Compared with pCT-CBCT, pCT-sCT (DenseCUT) reduces the average absolute error of the HU from 34.38 HU to 17.75 HU, increases the peak signal-to-noise ratio from 26.19 dB to 29.83 dB, and elevates the structural similarity from 0.78 to 0.87. The proposed method can generate high-quality sCT images from CBCT images without altering the anatomical structures, while reducing image artifacts, which makes it possible for CBCT to be applied to dose calculation and adaptive radiotherapy planning.

相似文献/References:

[1]张俊俊,杨 振,柏朋刚,等.运动模体中靶区长度与锥形束CT扫描速度的相关性[J].中国医学物理学杂志,2015,32(02):259.[doi:10.3969/j.issn.1005-202X.2015.02.025]
[2]张一戈,邱小平,陈维军,等.基于图像引导技术对头颈部肿瘤临床摆位误差的剂量学影响[J].中国医学物理学杂志,2015,32(01):25.[doi:10.3969/j.issn.1005-202X.2015.01.007]
[3]李 毅,李文荣,苏 进,等.基于CBCT非小细胞肺癌外放边界研究[J].中国医学物理学杂志,2014,31(04):5006.[doi:10.3969/j.issn.1005-202X.2014.04.008]
[4]翁邓胡,王 建,尹中明,等.基于锥形束CT研究肺癌图像引导放疗的内靶区外放边界值[J].中国医学物理学杂志,2014,31(04):5012.[doi:10.3969/j.issn.1005-202X.2014.04.009]
[5]查元梓,吴晔明,陆冬青,等.应用锥形束CT研究儿童神经母细胞瘤放射治疗的摆位误差[J].中国医学物理学杂志,2014,31(05):5128.[doi:10.3969/j.issn.1005-202X.2014.05.007]
[6]沈奕晨,聂生东.锥形束CT与螺旋CT图像配准算法及其在放疗中的应用[J].中国医学物理学杂志,2014,31(05):5151.[doi:10.3969/j.issn.1005-202X.2014.05.013]
[7]林俊华,魏贤顶,孔旭东,等.kV级锥形束CT在图像引导放疗中的应用[J].中国医学物理学杂志,2014,31(05):5157.[doi:10.3969/j.issn.1005-202X.2014.05.014]
[8]周 琼,周剑良,张一戈,等.基于锥形束CT肺癌放射治疗两种体位固定技术摆位误差的研究[J].中国医学物理学杂志,2014,31(06):5258.[doi:10.3969/j.issn.1005-202X.2014.06.008]
[9]周永强,金献测,易金玲,等.锥形束CT的验收与QA探讨[J].中国医学物理学杂志,2013,30(01):3854.[doi:10.3969/j.issn.1005-202X.2013.01.005]
[10]刘浩,白靖平,李公平,等.锥形束CT图象引导放疗的应用性测试[J].中国医学物理学杂志,2013,30(01):3877.[doi:10.3969/j.issn.1005-202X.2013.01.010]
[11]吴书裕,王伟,阳露,等.基于自监督生成对抗网络的锥形束CT合成伪CT研究[J].中国医学物理学杂志,2023,40(11):1356.[doi:DOI:10.3969/j.issn.1005-202X.2023.11.007]
　WU Shuyu,WANG Wei,YANG Lu,et al.Synthetic CT generation from CBCT images using self-attention generative adversarial network[J].Chinese Journal of Medical Physics,2023,40(3):1356.[doi:DOI:10.3969/j.issn.1005-202X.2023.11.007]

备注/Memo

备注/Memo:
【收稿日期】2022-11-12 【基金项目】国家自然科学基金（81671681）；国家重点研发计划（2016YFC0101400）；中央高校基本科研业务费专项资金（WK2030000037, WK2030040089）；安徽省科技重大专项（BJ2030480006） 【作者简介】吴新红，在读硕士，研究方向：医学影像CT、MR的质量提升及应用，E-mail: xinhong@mail.ustc.edu.cn 【通信作者】杨益东，教授，研究方向：图像引导的放射治疗系统，E-mail: ydyang@ustc.edu.cn
更新日期/Last Update: 2023-03-30