基于锥束CT的合成CT的软组织区域图像质量提升方法

作     者：付紫维 朱叶晨 张子健 高欣 FU Ziwei;ZHU Yechen;ZHANG Zijian;GAO Xin

作者机构：中国科学技术大学生物医学工程学院(苏州)生命科学与医学部合肥230026 中国科学院苏州生物医学工程技术研究所江苏苏州215163 中南大学湘雅医院长沙410008 济南国科医工科技发展有限公司济南250101 

基　　金：国家自然科学基金项目(82372052) 国家重点研发计划项目(2022YFC2408400) 泰山产业创新领军人才(tscx202312131) 山东省重点研发计划项目(2021SFGC0104) 苏州市先进生物医学成像技术重点实验室(SZS2022008) 

出 版 物：《生物医学工程学杂志》 (Journal of Biomedical Engineering)

年 卷 期：2025年第42卷第1期

页      码：113-122页

摘      要：基于CBCT生成的合成CT(sCT)能够有效抑制伪影并提高CT值准确性,借此可精确计算放射剂量。然而,sCT图像不同组织区域的生成质量严重不均衡,软组织区域与其他区域相比生成质量较差。为此,本文提出了一种基于VGG-16的多任务注意力网络(MuTA-Net),重点提升sCT软组织区域的图像质量。首先,引入多任务学习策略将sCT生成任务分为全局图像生成、软组织区域生成和骨区域分割三个子任务,保证全局图像生成质量的同时,强化网络对软组织区域特征提取和生成的关注程度,并利用骨区域分割任务引导后续结果融合;然后,设计注意力模块进一步优化网络的特征提取能力,引导网络从全局特征中提取子任务特征;最后,借助结果融合模块整合各个子任务的生成结果,实现高质量的sCT图像生成。在头颈部CBCT上的实验结果显示,与ResNet、U-Net和U-Net++三种对比方法中的最优结果相比,基于本文所提方法生成的sCT图像在软组织区域的平均绝对误差下降了12.52%。MuTA-Net在CBCT引导的自适应放疗领域具有潜在的应用价值。

主 题 词：自适应放疗 锥束CT 合成CT 多任务学习 

学科分类：08[工学] 0812[工学-测绘类] 

D　O　I：10.7507/1001-5515.202407078

馆 藏 号：203157379...