换一批基于Transformer的生成对抗网络用于鼻咽癌MRI生成伪CT
Synthetic CT generation from NPC MRI using Transformer-based generative adversarial network
摘要目的:比较VTcGAN和Pix2pix这两种不同的深度学习模型在鼻咽癌MRI合成伪CT(sCT)方面的性能差异,并对其应用于治疗计划剂量计算准确性进行评估.方法:回顾性选取115例鼻咽癌患者的MRI、CT图像以及治疗计划数据,通过图像刚性配准获取配对数据集,其中105例作为训练集,剩余10例作为测试集.分别构建基于常规卷积神经网络的Pix2pix模型以及改进后基于Transformer网络的VTcGAN模型,二者除生成器模型中瓶颈网络的差异外,其余均保持一致.对于二者合成的sCT,分别从图像质量、强度值、剂量学差异等角度进行评估.结果:对于测试集中的病例,使用Pix2pix和VTcGAN模型合成的sCT图像与真实CT间的平均误差分别为(-0.86±12.42)HU和(-1.10±8.56)HU,平均绝对误差分别为(40.77±3.06)HU和(37.40±2.08)HU,峰值信噪比分别为(33.45±0.62)dB和(34.33±0.45)dB,结构相似性分别为0.928±0.013和0.936±0.009.在1 mm/1%标准,10%剂量阈值下,在Pix2pix和VTcGAN模型合成的sCT上的剂量平均γ通过率分别为(96.62±1.08)%和(96.88±0.99)%,50%剂量阈值下的平均γ通过率分别为(94.31±1.03)%和(94.72±0.91)%,80%剂量阈值下的平均γ通过率分别为(84.62±1.74)%和(86.06±1.41)%.结论:本研究提出的VTcGAN模型在鼻咽癌MRI合成sCT精度方面优于传统的Pix2pix模型,可以满足MRI-Only流程中对剂量计算的需求.
更多相关知识
关键词
鼻咽癌磁共振图像伪CTTransformer生成对抗网络nasopharyngeal carcinomamagnetic resonance imagingsynthetic computed tomographyTransformergenerative adversarial network
栏目名称
DOI
10.3969/j.issn.1005-202X.2025.06.001
发布时间
2025-07-09（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家重点研发计划（2022YFC2404604）
国家自然科学基金（12275372）
广东省基础与应用基础研究基金（2021A1515110642）
广东省自然科学基金（2023A1515011153）
广州市基础与应用基础研究项目（202201011090）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
