《Scientific Reports》：A standardized and reproducible pipeline for fast multi-view digitally reconstructed radiograph (DRR) generation
编辑推荐：
数字重建放射影像（DRR）是由计算机断层扫描（CT）数据衍生的合成投影图像，在三维合成图像生成中的应用日益广泛。然而，预处理和投影框架的差异性限制了研究的可重复性与跨研究可比性。研究人员提出了一套标准化的DRR生成流程，确保了几何一致性、强度归一化及可重复的参
数字重建放射影像（DRR）是由计算机断层扫描（CT）数据衍生的合成投影图像，在三维合成图像生成中的应用日益广泛。然而，预处理和投影框架的差异性限制了研究的可重复性与跨研究可比性。研究人员提出了一套标准化的DRR生成流程，确保了几何一致性、强度归一化及可重复的参数控制。该流程包括重采样、方向归一化与强度窗宽设置等预处理步骤，可选的刚性共配准，以及基于GPU加速的TIGRE锥束模型进行DRR生成。CT体数据被重采样至1 mm各向同性分辨率，裁剪至设定的HU窗范围，并采用Beer–Lambert衰减模型进行投影。DRR在0°至180°范围内以均匀间隔角度生成。该流程在VerSe2020数据集的266例脊柱CT上，采用四种HU窗宽和两种投影几何进行了评估。预处理平均耗时1.12 s，生成五张DRR平均耗时0.32 ± 0.03 s。骨窗CT生成的投影具有较高的真实性，而高密度骨窗则产生更锐利的皮质轮廓。两种投影几何的图像真实性相近。该流程实现了具有一致预处理、灵活几何设置和快速计算的标准化DRR生成，为合成成像、配准基准测试及放射影像模拟中的可重复研究提供了支持。
一、研究背景与问题
数字重建放射影像（Digitally Reconstructed Radiograph, DRR）是由计算机断层扫描（Computed Tomography, CT）数据经正向投影模拟生成的合成X射线影像。随着神经网络在医学影像领域的兴起，DRR在合成影像生成、二维-三维配准、姿态估计及三维重建等任务中扮演着日益重要的角色。然而，现有研究在预处理方法、投影框架选择及参数设置上存在显著差异，不同研究之间往往采用不同的体素间距归一化方式、亨氏单位（Hounsfield Unit, HU）窗宽设置或几何校准策略，导致跨研究比较困难，可重复性受限。尽管已有多种开源工具如Plastimatch、3D Slicer、ITK/RTK及TIGRE等可用于DRR生成，但缺乏一套统一的标准化流程，尤其是针对脊柱影像的多视角DRR生成研究仍较为有限。因此，研究人员旨在开发一套公开、标准化且计算高效的DRR生成流程，以确保几何一致性、强度归一化和可调参数控制，为脊柱影像的合成影像生成研究提供可重复的基础设施。
二、研究内容与主要技术方法
研究人员提出了一套模块化的公开流程，包含预处理、DRR生成及可选刚性共配准三个主要组件。预处理阶段采用Python实现，输入为NIfTI格式CT数据，将每个CT重定向至固定解剖学方向（如右-前-上，RAS），无效值设置为所应用强度窗的下界Hmin，并以三线性插值将体数据重采样至1×1×1 mm3各向同性网格，同时保持物理中心不变。随后根据设定的HU窗范围对强度进行裁剪。共配准模块针对解剖学同质数据集（如仅包含腰椎CT），采用六自由度刚性变换，以互信息（Mutual Information, MI）为优化目标，通过由粗到细的多分辨率优化实现空间对齐。DRR生成采用基于GPU加速的TIGRE锥束投影模型，模拟X射线沿虚拟射线路径的衰减积分，遵循Beer–Lambert定律。检测器分辨率固定为512×512像素，检测器尺寸根据体数据物理范围及放大倍数自动计算。研究在VerSe2020公开数据集的266例脊柱CT上进行了评估，测试了四种HU窗宽（软组织、骨、高密度骨及全范围）和两种投影几何（锥束与平行束），SID设为949 mm，SOD设为541 mm，每例CT生成0°、45°、90°、135°和180°五个角度的DRR。实验在配备NVIDIA RTX A6000 GPU的工作站上完成。
三、研究结果
HU窗宽对DRR外观的影响：研究人员比较了四种HU窗宽设置下生成的DRR，发现软组织窗和骨窗保留了更多周围非骨性结构的信息，而高密度骨窗则更突出皮质骨和松质骨的解剖细节，骨轮廓显示更锐利。定量分析显示，骨窗DRR与全范围参考图像保持了最高的相似度，平均峰值信噪比（Peak Signal-to-Noise Ratio, PSNR）为40.26 ± 6.63 dB，而软组织窗为12.69 ± 3.54 dB，高密度骨窗仅为4.58 ± 1.68 dB。香农熵（Shannon Entropy）分析显示，全范围与骨窗DRR的熵值相近（分别为6.00 ± 0.34和6.02 ± 0.33 bits），高密度骨窗熵值降至4.55 ± 0.87 bits，软组织窗熵值最高达6.18 ± 0.14 bits。均方根（Root Mean Square, RMS）对比度在各窗宽条件下相近，表明该指标反映的是图像内部强度分布而非相对未裁剪体数据的信息保留量。
锥束与平行束几何的比较：研究人员对比了锥束与平行束两种投影几何生成的DRR，定性评估显示两种几何的图像外观相似，仅有细微差异。锥束几何因具有有限源距的射线发散特性，能够产生更接近临床C臂或锥束CT采集的几何放大效果，因此更适合模拟真实X射线采集的物理特性。
计算效率评估：在266例脊柱CT上的运行时间统计显示，预处理平均耗时1.1180 ± 0.0022 s，生成5张DRR平均耗时0.3182 ± 0.0267 s，表明该流程具备大规模数据集DRR合成和参数优化的计算可行性。
四、讨论与结论
讨论部分指出，HU窗宽设置对DRR外观的影响最为显著，且此前尚无研究系统评估HU窗限变化对DRR质量或下游分析性能的影响。骨窗CT生成的DRR在定性上最接近真实X光片，具有真实的皮质骨和松质骨对比度；高密度骨窗虽能锐化椎体轮廓，但因下界为0 HU排除了几乎所有软组织和背景信号，丢弃了最多信息。斜位投影中央区域影像密度增加的现象，源于斜向射线路径穿过更大体积组织导致累积衰减增大，且VerSe2020数据集的平行六面体形状加剧了这一效应。文献分析显示，现有DRR生成研究在预处理流程、投影框架选择及几何参数设置上存在广泛差异，缺乏标准化方案。TIGRE相比Plastimatch、ITK/RTK等工具提供了更完整的参数化锥束投影模型，能够精确再现临床采集几何。
研究结论指出，该工作提出了一个公开、完全标准化且计算高效的DRR生成流程，通过整合各向同性预处理、可选刚性共配准及GPU加速正向投影，确保了几何与强度归一化的一致性，同时保持了成像参数的灵活性。在266例CT上的评估证明了该流程的高计算效率和跨多种投影几何及HU窗宽的真实DRR合成能力，确认了其适用于大规模数据集生成和可重复基准测试。
