基于PE-CycleGAN网络的鼻咽癌自适应放疗CBCT-sCT生成研究

摘要

目的 探索基于PE-CycleGAN方法从锥形束CT(CBCT)合成高质量CT(sCT)，用于鼻咽癌自适应放疗（ART）。方法 提出感知增强的CycleGAN模型（PE-CycleGAN），引入判别器双重对比度损失、生成器多感知损失和改进的U-Net结构。采用80例鼻咽癌患者的CBCT和CT作为训练集，7例为测试集。通过量化sCT与参考CT的平均绝对误差（MAE）、峰值信噪比（PSNR）、结构相似性指标（SSIM）以及sCT与参考CT剂量gamma通过率、靶区和危及器官（OAR）相对剂量偏差，评估sCT图像质量和剂量计算精度。结果 PE-CycleGAN生成sCT与对应标准CT的MAE为56.89±13.84 HU，较CBCT的81.06±15.86 HU降低约30%(P<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)(P<0.001)。在与计划CT剂量gamma分析中，在2 mm/2%标准下，PE-CycleGAN的sCT剂量比对通过率（90.13±3.75）%高于CBCT的（81.65±3.92）%(P<0.001)和CycleGAN的（87.69±3.50）%(P<0.05)。在3 mm/3%标准下，PE-CycleGAN的sCT通过率（97.20±2.52）%同样优于CBCT的（86.92±3.51）%(P<0.001)和CycleGAN的（94.58±2.23）%(P<0.01)。sCT相比计划CT的靶区和OAR相对剂量偏差均值除Lens Dmax(Gy)为3.38%(P=0.09)外都在±3%范围内（P>0.05）,PTVnx HI、PTVnd HI、PTVnd CI、PTV1 HI、PRV＿SC、PRV＿BS、Parotid、Larynx、Oral、Mandible、PRV＿ON相对剂量偏差均值都小于±1%(P>0.05)。结论 PE-CycleGAN能从CBCT快速合成高质量sCT，可用于鼻咽癌的CBCT引导ART。

关键词

锥形束CT / 合成CT / 自适应放疗 / 深度学习 / 生成对抗网络