基于DCRU-Net的有限视角放疗辐射致声3D在体剂量重建方法

摘要

目的：针对有限视角下放疗辐射致声（RA）成像用于在线剂量监测时存在的图像畸变与伪影问题，提出一种基于深度级联残差U-Net(DCRU-Net)的3D在体剂量重建方法，以提升剂量监测精度。方法：构建深度级联网络DCRU-Net，通过分步优化实现有限视角下声学信号与剂量分布的复杂映射。第一级子网络以反投影（BP）重建的初始压力图为输入，旨在恢复缺失的声场信息，重建全视角3D压力场；第二级子网络在物理转换的基础上进一步校正误差并细化特征，生成高精度3D剂量图。基于80例前列腺癌患者的临床CT及计划剂量数据，利用k-Wave工具箱模拟会阴区2D传感器阵列采集的有限视角RA信号，并引入组织异质性、声速变化及噪声。采用相对均方根误差（rRMSE）、结构相似性（SSIM）及Gamma通过率作为主要评估指标。结果：定性分析显示，DCRU-Net能有效消除有限视角引起的失真与伪影，重建结果与标签高度一致。定量评估显示，预测压力图与剂量图的rRMSE分别为3.40%和2.50%，剂量图的SSIM达0.98。在3%/5 mm标准下，0%和70%阈值的Gamma通过率分别为98.18%和99.32%。此外，该方法在不同噪声水平下均表现出较强的稳定性。结论：本研究方案实现了高效率、高精度的有限视角3D剂量重建，克服了实际临床中传感器覆盖范围受限的问题，为RA成像在实时在体剂量监测中的应用提供了重要技术手段。

关键词

放疗辐射致声成像 / 3D在体剂量监测 / 反投影重建 / 有限视角 / 深度学习