基于循环一致性生成对抗网络的合成CT在磁共振引导自适应放疗中的剂量学评估：多部位验证与临床可行性研究

本综述系统评估了循环一致性生成对抗网络（CycleGAN）在磁共振引导放疗（MRgRT）中生成合成CT（sCT）的应用价值。研究通过多中心数据验证表明，sCT与变形CT（dCT）的剂量学差异可忽略不计（PTV靶区剂量差异<0.5Gy），且sCT在气腔重建方面优于传统配准方法。该技术有望实现纯MR（MRI-only）治疗规划流程，显著提升MR直线加速器（MR-LINAC）的临床工作效率。

　　

背景

磁共振引导放射治疗（MRgRT）整合了磁共振成像（MRI）的高分辨率成像能力和放射治疗的精准靶向优势。然而，MRI无法提供剂量计算必需的电子密度信息，这限制了其单独应用于放疗规划。当前解决方案需要将MRI与计算机断层扫描（CT）图像进行配准，但该过程存在2-5mm的系统误差且耗时较长。深度学习（DL）驱动的合成CT（sCT）生成技术为解决这一问题提供了新思路。

材料与方法

研究数据集

本研究回顾性分析了2021年3月至2022年6月期间在Dartmouth-Hitchcock医学中心使用ViewRay MRIdian MR-LINAC系统接受立体定向放射治疗的患者数据。所有患者在治疗规划当天先后接受模拟CT（Siemens EDGE扫描仪）和MRI（ViewRay MRIdian）扫描，时间间隔约1小时。ground truth变形CT（dCT）通过ViewRay治疗规划系统的配准流程生成。

图像预处理与数据划分

dCT和MR图像以DICOM格式提取，包含144个切片，轴向分辨率为3mm，平面尺寸为310×360像素（分辨率1.5mm）。采用分层k折划分策略按治疗部位（肾上腺、胰腺、肝脏、肺、骨、前列腺等）将57名患者的8405帧图像划分为训练集（58人）、验证集（11人）和测试集（17人）。CT图像采用线性公式Y=(X-X₀)/α进行归一化，其中X₀=-1024，α为训练集HU值的99.99百分位数。MR图像采用相同公式归一化，X₀=0。

模型与损失函数

采用CycleGAN架构，包含两个生成器（G_MR, G_CT）和两个判别器（D_MR, D_CT）。损失函数包含三部分：

1. 1.
   对抗损失（L_adv）确保生成图像的真实性
2. 2.
   循环一致性损失（L_cyc）= ‖G_MR(G_CT(CT_gt))-CT_gt‖·λ
3. 3.
   身份损失（L_idt）= ‖G_CT(CT_gt)-CT_gt‖
   总损失L_total为各项损失之和。使用Nvidia RTX 2080 Ti显卡训练100个epoch，批大小为1，随机裁剪为256×256像素。

评估方法

合成图像质量评估

从测试集357帧sCT图像中评估以下指标：

• •
  平均绝对误差（MAE）= (1/n)∑|y_defCT-y_synCT|
• •
  峰值信噪比（PSNR）= 10·log₁₀(max(y_defCT)²/MSE)
• •
  结构相似性（SSIM）=(2μ_ixμ_iy+C₁)(2σ_ixiy+C₂)/((μ_ix²+μ_iy²+C₁)(σ_ix²+σ_iy²+C₂))
• •
  归一化互相关系数（NCC）

剂量学评估

将sCT转换为DICOM格式后导入ViewRay治疗规划系统，计算剂量体积直方图（DVH）。比较sCT与dCT在PTV靶区85%、90%、95%体积处的剂量绝对差异，以及PTV周围3cm内危及器官（OAR）接受33Gy以上剂量的差异。

结果

图像定量比较

测试集整体MAE为49.2±13.2 HU，各部位MAE范围为44.7-55.6 HU。胰腺（20.1 HU）和肺部（9.8 HU）扫描的标准差最高。sCT的NCC值在除"其他"类别外的所有治疗部位均优于dCT，骨、前列腺和肝脏改善最明显。SSIM中位值为0.97±0.01，PSNR为19.9±1.6，表明sCT与dCT具有高度结构相似性。

视觉评估显示，sCT在气腔重建方面优于dCT，更准确地反映了MR图像中的解剖特征。但在骨骼区域（如脊柱）和体表轮廓（四肢）的预测存在困难，可能源于高HU值区域的分布不平衡和循环一致性损失导致的结构幻觉。

剂量比较

剂量学评估显示sCT与dCT的差异极小：PTV靶区85%、90%、95%体积处的剂量中位差异分别为0.45Gy、0.47Gy和0.46Gy。OAR剂量分析表明，切换至sCT后，3cm内OAR接受33Gy以上剂量的中位差异仅增加0.01Gy，4名患者无变化，6名患者甚至显示剂量降低。

讨论

本研究证明了CycleGAN在多部位sCT生成中的有效性，49.2 HU的MAE优于先前研究（30-150 HU），这可能得益于更大的数据集规模（86例患者）。剂量学结果证实sCT可用于临床治疗规划，差异远低于临床可接受阈值。

sCT的主要优势包括：1）与MR图像更好的解剖一致性；2）消除配准伪影；3）快速生成能力（单次前向传播），适合实时自适应放疗。局限性包括轴向层面的帧间连贯性不足和高HU值区域预测困难。

未来工作将聚焦于：1）扩大数据集规模和质量；2）探索扩散模型等新兴架构；3）开发3D CycleGAN变体以改善层间一致性。

结论

基于CycleGAN的sCT生成技术能够提供与临床CT相当的剂量计算精度，支持纯MR治疗规划流程，有望显著提升MRgRT的模拟和自适应规划效率。