基于条件生成对抗网络的兆伏级CT合成千伏级CT图像在头颈螺旋断层放疗中的剂量学评估

为解决兆伏级计算机断层扫描(MVCT)图像对比度低影响剂量评估精度的问题，研究人员采用pix2pix网络生成高质量合成千伏级CT(skVCT)图像。研究通过25组训练数据和15组测试数据验证，skVCT的PSNR达31.9±1.1 dB，SSIM达94.8%±1.3%，其生成的放疗计划γ通过率(2 mm/2%和3 mm/3%标准)均超过99.7%，与真实kVCT计划等效。该成果为自适应放射治疗(ART)提供了创新解决方案。

　　

兆伏级计算机断层扫描(MVCT)因图像对比度逊于千伏级CT(kVCT)，常影响放疗剂量计算的准确性。这项研究祭出了深度学习界的"图像翻译大师"——条件生成对抗网络(pix2pix)，成功将MVCT图像转化为媲美真实kVCT的合成影像(skVCT)。科研团队用25组头颈部配对影像训练模型，15组数据进行测试，结果显示：skVCT的峰值信噪比(PSNR)飙升至31.9±1.1 dB，结构相似性(SSIM)高达94.8%±1.3%，显著优于原始MVCT与kVCT的对比结果(26.8±1.7 dB，89.5%±1.5%)。更令人振奋的是，基于skVCT制定的放疗计划展现出惊艳的γ通过率——在2 mm/2%和3 mm/3%标准下分别达到99.78±0.14%和99.82±0.20%，与真实kVCT计划(99.70±0.31%和99.79±1.32%)堪称双胞胎。这项突破性研究为自适应放射治疗(ART)装上了智能"图像增强器"，让肿瘤靶区勾画和剂量计算迈入高精度新时代。