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。

摘要：目的评估基于Velocity软件,不同锥形束ct(Cone Beam ct,CBct)扫描模式下对应的合成ct(synthetic ct,sct)的图像质量。方法通过设置CIRS肺运动模体常规的呼吸运动状态,对其进行4D-ct模拟定位。在平均密度投影ct即计划ct(planning ct,pct)上完成计划设计后,将其传至TrueBeam直线加速器,分别实现3D-CBct和4D-CBct的扫描和图像重建,再基于Velocity软件得到相应的sct。结果sct图像保留了基准pct图像的精细结构,且二者图像轮廓之间有较强的相关性,所有Dice相似系数都超过0.85。通过直观对比可看出,相比对应的CBct图像,sct图像伪影明显减少。sct3D/sct4D图像中不同感兴趣区的ct值均明显更低,sct的噪声更小。对sct而言,sct3D图像的ct值的平均百分差异为7.68%,sct4D图像的ct值的平均百分差异为4.65%。相比3D-CBct,基于4D-CBct得到的sct图像的ct值精度得到了改善。结论在固定呼吸状态下,基于Velocity得到的对应不同模式CBct的sct图像质量与基准pct可以相比拟,与呼吸相关的图像引导在肺癌患者放疗时更有临床价值。

摘要：目的:探究在基于MR的前列腺癌(prostate cancer,PCa)图像引导放疗(image guided radiotherapy,IGRT)中锥形束ct(cone beam ct,CBct)为合成ct(synthetic ct,sct)提供质量保证(quality assurance,QA)的可行性。方法:以ct作为QA的金标准,进行体外实验和临床试验。体外实验:利用仿真人体模型检验CBct的ct值的长期稳定性并建立CBct的ct值-电子密度曲线。临床试验:筛选2021年6月至2022年12月间于某院接受诊疗且符合纳入标准的PCa患者10例,所有患者均于IGRT前3 d进行1.5T MR和ct扫描。基于患者的MR图像生成sct图像后进行放疗计划设计和治疗。将患者的sct、ct和CBct图像进行基于黄金基准标志物(gold fiducial marker,GFM)的融合配准后,拷贝sct放疗计划至ct和CBct图像上并计算剂量分布,分别比较sct和ct、sct和CBct的Gamma通过率和剂量体积直方图(dose volume histogram,DVH)指标。采用SPSS 19.0软件进行统计学分析。结果:体外实验表明,CBct的ct值(ct值CBct)长期稳定性良好,与ct的ct值(ct值ct)的一元回归方程为ct值CBct=1.110×ct值ct+3.891。临床试验表明,sct和ct、sct和CBct在横断面、冠状面、矢状面上的Gamma通过率均呈高度正相关,具有高度一致性,差异平均值均小于0.1%;DVH各项指标差异均较为接近,且均呈高度正相关。结论:在基于MR的PCa IGRT中,CBct可取代金标准ct为sct提供QA。