基于目标分布与雅可比先验引导的肺通气图像合成及全局语义增强

《TRENDS IN FOOD SCIENCE & TECHNOLOGY》：Target Distribution and Jacobian Prior Guided Lung Ventilation Image Synthesis with Global Semantic Enhancement

　　•雅可比先验能够弥合BHCT与Galligas PET之间的模态差异。•目标分布可将生成的分布向真实的Galligas PET靠拢。•基于DINOv3的全局语义特征增强技术。•加权损失函数可引导模型关注功能较强的肺区域。

引言
辐射引起的肺损伤是胸部放射治疗的副作用，表现为放射性肺炎和放射性纤维化，至今仍是临床上的重大挑战[1]。非小细胞肺癌患者发生放射性肺炎的概率可达33%，其中约2%的病例会发展为致命性肺炎[2][3]。传统的放射治疗计划将肺部视为功能均匀的器官，从而给予均匀的剂量照射。但实际上，肺部的功能分布存在显著差异，辐射引起的肺损伤风险与照射到功能较强肺区域的剂量密切相关[4]。在放射治疗计划中降低功能较强肺区域的受照剂量，是减少辐射性肺损伤发生率的有效策略[5]。因此，在放疗前进行肺通气成像至关重要，它有助于制定治疗计划并确定患者的剂量分布范围[6]。

功能性肺区域规避放射治疗（FLART）作为一种有前景的策略，旨在最小化对功能较强肺区域的辐射暴露，从而降低相关风险[5]。FLART技术的关键在于精确描述肺部各区域的通气功能。目前，已有多种肺通气成像方法被开发出来，例如单光子发射计算机断层扫描（SPECT）通气成像，该方法通常需要患者吸入如锝-99m（Tc-99m）之类的放射性气溶胶[7]，然后再通过SPECT/CT扫描仪进行检测[8]。如今，由于相比SPECT技术具有更高的空间分辨率和灵敏度，使用镓-68（Ga-68）的Galligas PET通气成像已成为该领域的临床金标准[10][11][12]。然而，Galligas PET成本高昂、获取难度大且采集流程复杂，这给患者带来了额外负担，也限制了其在临床上的广泛应用。因此，从易于获取的计算机断层扫描（CT）图像中合成高质量的Galligas PET通气图像具有重要的临床价值。

计算机断层扫描通气成像（CTVI）利用易于获取的CT图像来估算肺通气功能，为解决这一问题提供了有效方案。基于传统变形图像配准（DIR）的CTVI方法主要分为以下两种类型。第一种是基于雅可比矩阵的CTVI（CTVIJac）[13]。该方法首先对屏气状态下拍摄的吸气期和呼气期CT图像进行DIR处理，以获得变形矢量场（DVF），再利用DVF计算得到的雅可比行列式来生成CTVIJac图像。这种方法侧重于肺组织的变形情况，通过测量局部体积的膨胀或收缩程度来评估通气功能。第二种是基于亨斯菲尔德单位值的CTVI（CTVIHU）[12]。该方法同样依赖DIR技术，通过分析亨斯菲尔德单位值（HU）密度的变化以及DVF来估算通气图像。其基本假设是肺组织密度的变化与通气功能之间存在关联。不过，基于DIR的CTVI方法对所采用的DIR技术以及不同患者之间的差异较为敏感，对于解剖结构复杂的较小区域，其变形预测可能不够准确，而且容易受到图像伪影的影响[14][15]。此外，这也导致基于DIR的CTVI方法与SPECT或Galligas PET通气图像之间的相关性存在较大差异[16][17]。

随着深度学习的快速发展，它在医学图像合成任务方面取得了显著进展。基于深度学习的通气图像合成方法的发展经历了两个阶段。第一阶段是以DIR为基础的CTVI，将其作为真实参考值。例如，黄等人[18]、钟等人[19]以及侯等人[20]以4DCT为基础，利用DIR技术计算出CTVIJac或CTVIHU图像，作为监督学习的真实参考值。具体而言，黄等人提出了一个多时相动态通气成像框架；钟等人则是最早尝试用卷积神经网络替代DIR技术，以降低配准的不确定性；侯等人则进一步从CT图像中生成合成通气图，并通过剂量学和毒性分析验证了其在功能性肺区域规避放射治疗中的可行性。尽管这些方法已被证明是可行的，但它们的共同局限在于仍然依赖DIR技术来生成标签，未能从根本上解决基于DIR的CTVI方法固有的不准确性问题。第二阶段则是以真实的肺通气图像作为参考值。为克服上述局限，后续研究直接采用SPECT或Galligas PET通气图像作为训练标签。例如，刘等人[8]、波特等人[21]以及梶川等人[22]训练神经网络，试图从4DCT图像中生成SPECT通气图像；格罗弗等人[23]则直接以Galligas PET图像作为真实参考值，训练2D U-Net模型[24]；怀尔丁-麦克布赖德等人[25]进一步将Galligas PET图像根据第30和第70百分位强度阈值划分为三种功能类别，然后利用这些量化后的标签作为真实参考值，训练3D nnU-Net模型[26]。值得注意的是，马等人[27]提出了一种双路径融合网络（DPFN），该网络将4DCT图像与CTVIJac中的运动信息相结合。DPFN证明了结合运动信息对通气功能估算的重要性。总体而言，这些基于深度学习的方法在与真实参考值的相关性以及功能区域的空间重叠度方面，均表现出比传统基于DIR的方法更优的性能。尽管取得了这些进展，但在图像生成质量以及功能较强肺区域的预测精度方面，仍有很大的提升空间。

虽然基于深度学习的通气图像方法相较于传统的基于DIR的CTVI方法已有所进步，但仍存在若干根本性的挑战。首先，大多数现有方法仅使用4DCT图像，而静态的解剖图像缺乏与通气功能密切相关的动态信息。其次，BHCT与Galligas PET之间存在显著的模态差异，这使得直接建立从BHCT到Galligas PET的映射关系极为困难。第三，尽管传统的基于CNN的架构擅长提取局部特征，但它们缺乏模拟长距离依赖关系及全局语义背景的能力。第四，现有方法并未对功能较强的区域进行专门保护，从而导致这些区域的预测结果不够准确。

为应对这些挑战，我们提出了TDJP-LVS这一肺通气图像合成框架，该框架以目标模态分布为引导，借助雅可比先验，并通过全局语义特征增强技术来提升图像质量。我们的主要贡献如下：
(1)为解决BHCT图像中与肺通气功能相关的特征不足的问题，我们利用从BHCT图像中得到的CTVIJac作为先验数据，为模型提供动态变形信息。
(2)为弥补BHCT与Galligas PET之间的巨大模态差异，我们采用目标模态分布作为网络生成的约束条件。
(3)为克服基于CNN的架构在提取全局语义特征方面的局限性，我们引入DINOv3算法，从BHCT图像和CTVIJac中提取更丰富的全球信息。
(4)为解决现有方法对功能较强区域保护不足的问题，我们提出了一个针对高功能区域的重加权损失函数，以增强模型对这些区域的关注度。

模型概述
我们所提出的TDJP-LVS模型旨在利用BHCT图像生成Galligas PET格式的肺通气图像。由于BHCT与Galligas PET之间存在显著的模态差异，加之BHCT图像中肺组织的对比度较低，直接建立从BHCT到Galligas PET的映射关系十分困难。为解决这一问题，我们如图1所示，提出了一种多条件引导的生成框架，以此生成高质量、能与真实图像高度相似的Galligas PET图像Y^∈R1×H×W。

数据集
CT-vs-PET-Ventilation-Imaging数据集[39]，该数据集可在癌症成像档案库（TCIA）[40]中获取，包含20名患者的数据。每名患者的数据都包含一对BHCT图像以及对应的Galligas PET图像。CT图像的体素大小为0.98×0.98×1.8mm3，单位为HU，图像尺寸为512×512×167个体素。Galligas PET图像的体素大小为2.04×2.04×2.2mm3，单位为Bq/mL（贝克勒尔/毫升），图像尺寸为……

讨论与结论
准确的肺通气成像对于FLART技术而言至关重要。为克服现有方法的局限性，我们提出了TDJP-LVS框架，该框架能够利用常规获取的BHCT图像及其对应的CTVIJac图像，合成高质量的Galligas PET肺通气图像，从而避免了使用传统Galligas PET技术所带来的高昂成本和复杂的采集流程。与现有方法相比，我们的方法在预测精度方面有了显著提升，且在不同场景下都具有较好的通用性。

资金支持
本研究部分得到了中国西藏自治区科技项目（项目编号XZ202401JD0009）的支持，同时也得到了国家自然科学基金委员会资助（项目编号62401134和T2225025）。张一坤的研究工作还得到了东南大学紫山青年学者计划的支持，此外该研究还获得了东南大学大数据计算中心的助力。

作者贡献说明
葛玉祥：论文撰写——审阅与编辑、论文撰写——初稿撰写、可视化、方法学、数据整理、概念设计。董建民：可视化、验证、软件应用、方法学、数据整理。陈兆豪：可视化、验证、方法学、数据整理。王希：论文撰写——初稿撰写、方法学、概念设计。王佳顺：论文撰写——初稿撰写、方法学、概念设计。徐吉：验证、资源协调、研究调查、资金筹集。张一坤：利益冲突声明

作者声明不存在任何已知的可能影响本文研究结果的财务利益关系或个人关系。

葛玉祥|董建民|陈兆豪|王希|王佳顺|徐吉|张一坤|姜健|陈阳