利用条件去噪扩散概率模型提升 CBCT 质量助力盆腔癌自适应放疗

研究人员为解决 CBCT 图像质量问题，用 CDDPM 开展研究，提升了图像质量，推进盆腔癌 ART。

　　锥形束计算机断层扫描（Cone-beam computed tomography，CBCT）在放射治疗中被广泛用于治疗前对患者进行成像。然而，由于散射、运动以及重建方法等因素，其图像质量低于计划 CT。这降低了亨氏单位（Hounsfield units，HU）的准确性，限制了它在自适应放射治疗（adaptive radiation therapy，ART）中的应用。此外，利用深度学习方法生成用于 CBCT 强度校正的合成 CT（synthetic CT，sCT），因变形问题面临挑战。

为解决这些问题，研究人员提出利用条件去噪扩散概率模型（conditional denoising diffusion probability model，CDDPM）来提升 CBCT 的质量。该模型在通过向计划 CT 添加伪散射创建的伪 CBCT 上进行训练。CDDPM 能够将 CBCT 转换为高质量的 sCT，在保留解剖结构的同时提高了 HU 的准确性。

对所提出的 sCT 进行性能评估，结果显示平均绝对误差（mean absolute error，MAE）从 CBCT 的 81.19 HU 降至 sCT 的 24.89 HU；峰值信噪比（Peak signal-to-noise ratio，PSNR）从 CBCT 的 31.20 dB 提升至 sCT 的 33.81 dB。结肠、前列腺和膀胱在 CBCT 与 sCT 之间的 Dice 系数和 Jaccard 系数介于 0.69 至 0.91 之间。与其他深度学习模型相比，所提出的 sCT 在准确性和解剖结构保留方面更胜一筹。

针对前列腺癌的剂量学分析表明，使用 CBCT 时剂量误差超过 10%，而使用 sCT 时剂量误差几乎为 0%。对于所提出的 sCT，所有剂量标准下的 Gamma 通过率均超过 90%，这表明其与基于 CT 的剂量分布高度吻合。

这些结果表明，所提出的 sCT 改善了图像质量、剂量学准确性和治疗计划，推动了盆腔癌的自适应放射治疗（ART）发展。