基于PE-CycleGAN網絡的鼻咽癌自適應放療CBCT-sCT生成研究

摘要：目的 探索基于PE-CycleGAN方法從錐形束CT（CBCT）合成高質量CT（sCT），用于鼻咽癌自適應放療（ART）。方法 提出感知增強的CycleGAN模型（PE-CycleGAN），引入判別器雙重對比度損失、生成器多感知損失和改進的U-Net結構。采用80例鼻咽癌患者的CBCT 和CT 作為訓練集，7 例為測試集。通過量化sCT 與參考CT 的平均絕對誤差（MAE）、峰值信噪比（PSNR）、結構相似性指標（SSIM）以及sCT與參考CT劑量gamma 通過率、靶區和危及器官（OAR）相對劑量偏差，評估sCT圖像質量和劑量計算精度。結果 PE-CycleGAN生成sCT與對應標準CT的MAE為56.89±13.84 HU，較CBCT的81.06±15.86 HU降低約30%（Plt;0.001）。PE-CycleGAN 的PSNR 和SSIM（26.69±2.41 dB，0.92±0.02）高于CBCT（21.54±2.37 dB，0.86±0.05）（Plt;0.001）。在與計劃CT劑量gamma 分析中，在2 mm/2%標準下，PE-CycleGAN的sCT劑量比對通過率（90.13±3.75）%高于CBCT的（81.65±3.92）% （Plt;0.001）和CycleGAN的（87.69±3.50）% （Plt;0.05）。在3 mm/3%標準下，PE-CycleGAN 的sCT通過率（97.20±2.52）%同樣優于CBCT的（86.92±3.51）% （Plt;0.001）和CycleGAN的（94.58±2.23）% （Plt;0.01）。sCT相比計劃CT的靶區和OAR 相對劑量偏差均值除Lens Dmax（Gy）為3.38%（P=0.09）外都在±3%范圍內（Pgt;0.05），PTVnx HI、PTVnd HI、PTVnd CI、PTV1 HI、PRV_SC、PRV_BS、Parotid、Larynx、Oral、Mandible、PRV_ON相對劑量偏差均值都小于±1%（Pgt;0.05）。結論 PE-CycleGAN能從CBCT快速合成高質量sCT，可用于鼻咽癌的CBCT引導ART。

關鍵詞：錐形束CT；合成CT；自適應放療；深度學習；生成對抗網絡

精準放療是鼻咽癌的主要治療手段，但患者在治療過程中的解剖結構變化可能導致劑量分布偏離原定計劃［1， 2］。自適應放療（ART）通過動態調整計劃來解決這一問題，但傳統ART依賴于反復進行計算機斷層掃描（CT），這增加了患者的輻射劑量和治療時間［3， 4］。

為克服這一難點，研究者嘗試利用放療設備自帶的錐形束CT（CBCT）進行ART。然而，CBCT的圖像質量不足，特別是在軟組織對比度和CT值準確性方面，難以直接用于高精度劑量計算［5-7］。為解決這一問題，研究者提出了多種方法，如CBCT圖像后處理校正［8］和基于配準的合成CT（sCT）［9］。然而，這些方法在處理復雜解剖結構和大幅度形變時準確性有限，且計算效率較低，難以滿足臨床的需求?！?br>