开源工具DICOMator：基于3D网格生成合成DICOM CT图像推动医学物理研究

为解决医学影像数据获取受限的伦理和技术难题，Michael John James Douglass团队开发了开源Blender插件DICOMator，可将3D网格模型转化为含模拟伪影的合成DICOM CT数据。该工具支持4D CT生成，验证了其在放疗计划系统（如Raystation）中剂量计算和图像配准的实用性，为医学物理研究提供了可定制化数据解决方案。

　　

在医学影像和放射治疗领域，真实患者CT数据的获取长期面临伦理审批复杂、数据稀缺等瓶颈。尤其在进行机器学习模型训练、放疗计划验证等研究时，现有开源数据集往往难以满足特定研究需求。传统解决方案依赖物理模体或简化数字模型，但存在成本高、灵活性差等问题，无法模拟复杂解剖结构动态变化（如呼吸运动）。如何快速生成兼具真实性和可定制性的合成CT数据，成为医学物理研究的关键挑战。

阿德莱德大学（University of Adelaide）物理科学学院联合皇家阿德莱德医院医学物理部开发的DICOMator插件，创新性地将Blender三维建模能力与医学影像标准相结合。这项发表于《Physical and Engineering Sciences in Medicine》的研究表明，该工具能通过自适应体素化算法将3D网格转化为含Hounsfield单位（HU）值的合成CT序列，并模拟金属伪影、噪声等常见CT成像问题。特别值得注意的是，其4D CT功能首次实现了在开源环境中创建呼吸运动相位数据集，为动态放疗研究提供了新范式。

研究团队采用三项核心技术：1）基于光线投射（ray casting）的双阶段体素化算法，先通过低分辨率采样确定结构边界，再对边界区域进行高精度采样；2）多伪影模拟模块，包括高斯噪声（σ=5 HU）、金属伪影径向衰减模型等；3）DICOM元数据集成，支持生成符合DICOM标准的CT序列。测试数据来源于CERMEP-IDB-MRXFDG和Visible Human Project等公开数据库的匿名化影像。

主要研究结果
简单肺模体验证
通过两套位移差2 cm的合成肺CT验证，Raystation中形变配准（DIR）测量的位移误差仅0.055 cm，证实工具生成的动态数据集可用于影像配准算法验证。金属伪影模拟功能成功复现临床常见的放射状条纹伪影。

合成颅脑CT应用
基于Total Segmentator分割的颅骨、脑组织模型（图4）生成的合成CT，在Raystation中经HU-密度转换后，报告的头骨密度（1.66 g/cm³）与临床实测值吻合。创建的3°倾斜颅骨CT经刚性配准后测得偏差仅0.1°，验证了工具在空间精度验证中的价值。

4D胸部CT实现
通过Blender晶格变形模拟呼吸运动（图5），生成的10相位4D CT数据集可被放疗计划系统直接识别，用于评估膈肌位移等动态参数。与原始患者CT对比显示（图9），合成数据在几何结构上具有高度相似性，但受限于均匀HU赋值，未能再现支气管等细微结构。

结论与展望
该研究突破性地将专业3D建模工具转化为医学物理研究平台，其核心价值体现在：1）伦理规避性，通过合成数据替代敏感患者影像；2）动态模拟能力，4D CT功能支持呼吸运动管理等前沿研究；3）开源生态优势，基于Blender-Python的架构便于功能扩展。当前版本在组织异质性模拟、GPU加速等方面存在局限，未来通过整合多模态成像（MRI/PET）模拟和基于物理的伪影模型，有望成为医学影像研究的基准工具。值得注意的是，研究者特别强调合成数据用于机器学习训练时需警惕"真实性鸿沟"，建议采用"预训练-微调"策略结合真实临床数据验证模型性能。这项技术不仅为放疗计划系统验证提供了新范式，其开源特性更将加速全球医学物理研究的协作创新。