基于掩码自适应归一化的生成对抗网络MAN-GAN实现肝脏多期CT图像生成

本研究针对肝脏多期增强CT(MPECT)临床应用受限的问题，开发了基于非增强CT生成MPECT图像的MAN-GAN模型。通过引入减法成像策略和掩码自适应归一化(MANorm)技术，该网络在374例患者数据中实现AP/PVP/DP三期的精准生成，PSNR达27.71/26.76/26.17，经144例疾病数据集和83例外部队列验证具有优异泛化能力。放射科医师评估显示生成图像质量均达临床诊断要求(评分>4)，为碘造影剂禁忌患者提供了创新解决方案。

　　

肝脏病变诊断长期面临关键挑战：虽然多期增强CT(MPECT)能通过动脉期(AP)、门静脉期(PVP)和延迟期(DP)的血流动力学特征鉴别肝癌(HCC)、血管瘤等病变，但约20%患者因碘过敏、肾功能不全等禁忌症无法接受造影检查。传统MRI替代方案存在成本高、耗时长等问题，基层医院更常面临MPECT设备短缺困境。如何突破这些限制，让更多患者获得精准的肝脏影像评估，成为临床亟待解决的难题。

中南大学湘雅二医院放射科联合香港城市大学等机构的研究团队在《Scientific Reports》发表创新成果，提出掩码自适应归一化生成对抗网络(MAN-GAN)。该研究通过三个关键步骤实现突破：首先构建包含374例患者的训练集和144例疾病专病测试集，采用ANTs工具进行多期CT图像配准；其次设计MaskNet预测减法图像，通过MANorm层融合非增强CT特征；最后引入循环一致性损失优化网络，实现端到端的MPECT生成。技术亮点在于首次将临床减法成像策略转化为深度学习框架，通过_Lcyc=‖F(G(x,M(x)))-x‖₁+‖G(F(y),M(F(y)))-y‖₁约束生成质量。

主要研究结果

1. 性能对比：在主要测试集上，MAN-GAN的AP/PVP/DP期PSNR(27.71±2.96/26.76±3.10/26.17±3.62)显著优于pix2pix、CycleGAN等基线模型(P<0.05)，SSIM达0.82/0.80/0.79。如图2所示，生成图像在肝脏区域增强效果更接近真实MPECT：
   

   

2. 疾病泛化：在包含HCC、血管瘤等144例患者的专病测试中，MAN-GAN保持稳定性能，HCC病例AP期PSNR达26.03±3.45，血管瘤病例SSIM为0.79±0.07。

3. 临床验证：两位资深放射科医师盲评显示，生成图像在噪声控制、器官边界清晰度等维度均达"高于平均水平"(中位数4分)，相似性评分81.5(满分100)，但增强均匀性仍有提升空间。

讨论与展望
该研究首次证明非增强CT到MPECT转化的可行性，其创新点在于：① 通过MaskNet实现临床减法成像的算法复现，如图4所示生成的掩码能准确捕获肾脏等增强区域；② MANorm层有效融合解剖结构与血流动力学特征，t-SNE分析显示生成图像与真实MPECT在特征空间高度重叠。局限性在于训练数据规模有限，未来可结合肝脏血流动力学先验知识优化模型。这项技术为碘造影剂禁忌患者开辟了新途径，有望推动基层医院肝脏疾病诊断水平提升。