吳先想，牛振洋，蔡漢飛，方美芳，李威，徐露，崔珍

1.蚌埠醫(yī)學(xué)院第一附屬醫(yī)院放療科，安徽 蚌埠 233004；2.解放軍第901醫(yī)院放療科，安徽 合肥 230031

前言

調(diào)強放射治療具有靶區(qū)劑量適形度高、劑量均勻性好和保護危及器官等特點，但當(dāng)腫瘤靶區(qū)發(fā)生運動或者改變時，上述優(yōu)勢將被削弱［1-3］。Sonke 等［4］和Wang 等［5］提出，受放療的肺癌患者的腫瘤靶區(qū)每日退縮可達2.4%，中段食管癌放療至20次時，中位體積縮小了34%。放療期間，患者解剖結(jié)構(gòu)受體質(zhì)量變化、腫瘤退縮或進展等因素影響變化較大時，需要及時調(diào)整放療計劃，否則將導(dǎo)致靶區(qū)劑量不足或危及器官過量照射。錐形束CT（CBCT）是直線加速器機載三維影像設(shè)備，通常用于患者的靶區(qū)追蹤和位置驗證，確保放療劑量的精確實施，是圖像引導(dǎo)放療（IGRT）的重要工具［6］。

隨著自適應(yīng)放療技術(shù)的發(fā)展，對使用位置驗證過程中的CBCT 影像重新制定計劃并進行準(zhǔn)確的劑量計算提出了要求。CBCT 影像包含大量條狀和杯狀偽影，不但降低圖像的對比度，而且使CT 值產(chǎn)生偏差［7］。有文獻表明，不同大小和材質(zhì)的模體和患者實際的散射條件具有差異性，基于模體獲得的相對電子密度曲線不一定適用于劑量計算［8］。Lo 等［9］研究將CBCT 直接用于劑量計算，結(jié)果表明誤差較大，不能被臨床接受。深度學(xué)習(xí)中循環(huán)對抗生成網(wǎng)絡(luò)可以對相似圖像進行源域到目標(biāo)域的非線性轉(zhuǎn)換，本次研究擬采用該方法建立胸部CBCT與定位CT的映射模型，實現(xiàn)對CBCT 影像的校正，并對校正后的CBCT 進行影像質(zhì)量及劑量學(xué)評估，驗證校正后的CBCT用于臨床劑量計算的可行性。

1 資料與方法

1.1 一般資料與影像獲取

選擇2020年7月～2021年2月就診于蚌埠醫(yī)學(xué)院第一附屬醫(yī)院的胸部腫瘤患者共70 例，其中食管癌39例，肺癌31例，年齡47～83歲,中位年齡70歲。所有患者均選仰臥位，使用熱塑模進行體位固定。使用飛利浦Bigbore 16 排定位CT 采集患者CT 影像，掃描層厚5 mm，管電壓為120 kV，管電流為300 mAs，體素大小1.0 mm×1.0 mm×5 mm，采集矩陣大小為512×512。通過醫(yī)科達XVI影像系統(tǒng)獲取患者首次治療時的CBCT影像，掃描管電壓為120 kV，管電流為198 mAs，重建層厚為5 mm，體素大小0.98 mm×0.98 mm×5 mm，采集矩陣大小為512×512。

1.2 數(shù)據(jù)集制作

將70例CBCT影像與定位CT影像進行分辨率匹配和嚴(yán)格的灰度配準(zhǔn)，CT值歸一化至［-1,1］，由于GPU顯存限制，將CBCT和定位CT裁剪為288×388，制作為數(shù)據(jù)集，并隨機劃分為訓(xùn)練集和測試集，分別用于模型的訓(xùn)練和評估，其中訓(xùn)練集60例，測試集10例。

1.3 構(gòu)建CBCT影像校正模型

循環(huán)對抗生成網(wǎng)絡(luò)包含2 個生成器（Generator）和2 個判別器（Discriminator），生成器由卷積層和殘差網(wǎng)絡(luò)層構(gòu)成，用于建立定位CT 到CBCT 影像的映射模型，判別器由卷積層構(gòu)成，用于判別生成影像是否為CBCT 或定位CT，使得生成的影像質(zhì)量接近于定位CT，確保生成器生成的影像與輸入影像的結(jié)構(gòu)保持一致（卷積核深度為32,64,128,256,512）。模型訓(xùn)練過程中，批次（Batchsize）大小為4，使用adam梯度下降算法，優(yōu)化調(diào)整生成器和判別器的參數(shù)，提升生成影像的相似性和判別的準(zhǔn)確性，使兩者達到動態(tài)平衡。采用10 折交叉驗證的方法訓(xùn)練模型，防止模型過擬合，經(jīng)過190輪（Epoch）的訓(xùn)練，最后保存生成器模型。將測試集中10 例CBCT 影像輸入至CBCT 校正模型，生成CCBCT，完成影像校正。本次實驗將基于Python 語言的深度學(xué)習(xí)庫Keras 作為模型搭建工具，采用GTX1050ti GPU（12 GB）加速模型運算。循環(huán)對抗生成網(wǎng)絡(luò)訓(xùn)練流程、生成器和判別器結(jié)構(gòu)如圖1、圖2所示。

圖1 胸部CBCT校正模型訓(xùn)練流程Figure 1 Training flowchart of correction model for chest CBCT

圖2 生成器和判別器結(jié)構(gòu)Figure 2 Structures of generator and discriminator

1.4 圖像質(zhì)量評價指標(biāo)

將定位CT 作為參考標(biāo)準(zhǔn)，采用平均絕對誤差（Mean Absolute Error,MAE）、峰值噪比（Peak Signal to Noise Ratio,PSNR）、歸一化互相關(guān)（Normalized Cross Correlation,NCC）作為CBCT及校正圖像的評價指標(biāo)，公式如式（1）、式（2）、式（3）所示：

其中，p(i,j)為定位CT 中像素(i,j)的CT值，c(i,j)為目標(biāo)影像中像素(i,j)的CT值，NM 為影像像素總和，MAX 為最大灰度值，MES為CT值均方根誤差，σp為定位CT 的CT 值標(biāo)準(zhǔn)差，σc為目標(biāo)影像的CT值標(biāo)準(zhǔn)差。

1.5 計劃創(chuàng)建及劑量計算

測試集中，醫(yī)師根據(jù)ICRU 83 報告［10］在CT 影像上勾畫原發(fā)灶及陽性淋巴結(jié)為腫瘤靶區(qū)（Gross Target Volume,GTV），亞臨床病灶為臨床靶區(qū)（Clinical Target Volume,CTV），并根據(jù)實際情況，外放5～10 mm 生成計劃腫瘤靶區(qū)（Planning Gross Target Volume,PGTV）、計劃臨床靶區(qū)（Planning Clinical Target Volume,PTV）。PGTV 劑量均為60 Gy/30 f，PTV劑量為54 Gy/30 f 或50 Gy/30 f，射線類型選擇6 MV X 射線，射野數(shù)量為5～7 野，采用調(diào)強技術(shù)進行計劃設(shè)計，計劃命名為CT Plan。將測試集中CCBCT 影像導(dǎo)入計劃系統(tǒng)，保持CT Plan 中各射野、子野參數(shù)和跳數(shù)不變，將其移植到CCBCT 影像下進行劑量計算，生成計劃，并命名為CCBCT Plan。

1.6 數(shù)據(jù)分析與評估

采用SPSS 19.0 軟件進行分析，對校正前后影像質(zhì)量評價指標(biāo)進行Shapiro-Wilk 正態(tài)性檢驗，P＞0.05為數(shù)據(jù)服從正態(tài)分布。若服從正態(tài)分布則進行配對t檢驗，否則進行Wilcoxon 符號秩檢驗，P＜0.05 為差異有統(tǒng)計學(xué)意義，所有計量數(shù)據(jù)采用均值±標(biāo)準(zhǔn)差的方式表示。使用Verisoft 5.1 軟件，以CT Plan 劑量為參考，對CCBCT Plan 進行三維劑量γ 分析，采用一定的γ分析標(biāo)準(zhǔn)（2 mm/2%、2 mm/1%、1 mm/1%，TH：10%）評估使用CCBCT進行劑量計算的準(zhǔn)確性。

2 結(jié)果

2.1 影像校正結(jié)果

校正每例CBCT 平均用時約1.2 s。與未校正的CBCT 相比，CCBCT 散射偽影和CT 值誤差顯著減少，誤差主要分布在受位置變化影響較大的胸壁、胸骨及縱隔區(qū)域，如圖3、圖4所示。

圖3 胸部CBCT校正結(jié)果Figure 3 Correction results for chest CBCT

圖4 CBCT、CCBCT影像的CT值誤差在橫斷面、冠狀面及矢狀面的分布Figure 4 Distribution of the errors of Hounsfield unit between CBCT and CCBCT images in the transverse,coronal and sagittal planes

2.2 圖像質(zhì)量比較

將定位CT 作為參考，CCBCT 與CBCT 相比較，CCBCT 影像質(zhì)量得到明顯改善，CT 值MAE 降低了52.74% ±6.47%，PSNR提高了7.95% ±3.56%，NCC提高了1.68% ±3.38%，且差異具有統(tǒng)計學(xué)意義（P＜0.05），如表1所示。

表1 10例患者胸部CBCT與CCBCT影像質(zhì)量比較（±s）Table 1 Comparison of image quality between chest CBCT and CCBCT in 10 cases(Mean±SD)

表1 10例患者胸部CBCT與CCBCT影像質(zhì)量比較（±s）Table 1 Comparison of image quality between chest CBCT and CCBCT in 10 cases(Mean±SD)

指標(biāo)MAE/HU PSNR/dB NCC CBCT 134.46±10.90 26.96±0.80 0.92±0.12 CCBCT 63.39±9.04 29.10±1.08 0.95±0.01 t值18.47-7.31-6.77 P值0 0 0

2.3 三維劑量γ分析結(jié)果

以CT Plan劑量為參考，在2 mm/2%、2 mm/1%和1 mm/1%條件下，CCBCT Plan三維劑量γ分析的平均通過率分別為99.16% ±0.34%、98.01% ±0.72%、93.95% ±1.62%。如表2所示。未通過劑量點主要分布于靶區(qū)外側(cè)，多數(shù)位于靠近皮膚的區(qū)域，其中2 mm/2%條件下γ分析結(jié)果如圖5所示。

表2 10例患者CCBCT Plan與CT Plan的三維劑量γ分析結(jié)果（%）Table 2 Gamma analysis on the three-dimensional dose verification in CCBCT Plan and CT Plan of 10 cases(%)

圖5 2 mm/2%條件下γ分析未通過劑量點分布（紅色為熱點，藍色為冷點）Figure 5 Failed dose point distribution of gamma analysis under the criterion of 2 mm/2%(the red was hot spot,while the blue was cold spot)

3 討論

CBCT 影像技術(shù)已被廣泛用于影像引導(dǎo)放射治療，其主要用于患者放療期間擺位誤差的糾正，提高放療劑量實施的精確性。由于腫瘤的退縮和患者體質(zhì)量變化，及時獲取實際劑量分布，評估其與原計劃劑量分布差異，并對原放療計劃進行修改是自適應(yīng)放療關(guān)注的重點［11-12］。由于CBCT 不同于定位CT，不能直接用于放療劑量的計算［8］，限制了其在自適應(yīng)放療中的應(yīng)用。相關(guān)研究提出基于蒙卡模擬的散射校正方法，但需要獲取機載影像詳細參數(shù)以建立準(zhǔn)確的物理校正模型［13-14］。Stankovic 等［15］提出額外加裝CBCT系統(tǒng)硬件的方法進行散射校正，但影響患者實際治療執(zhí)行。本次研究提出基于循環(huán)對抗生成網(wǎng)絡(luò)建立胸部CBCT 影像到定位CT 的映射模型，實現(xiàn)對胸部CBCT 影像的校正，并采用三維γ 分析方法評估其用于臨床胸部腫瘤病例劑量計算的準(zhǔn)確性。

相對電子密度是放療劑量計算的基礎(chǔ)，其準(zhǔn)確性依賴于獲取的CT 值的準(zhǔn)確性［16-17］。Zhu 等［18］研究表明，CBCT 影像中CT 值誤差最大可達350 HU，影像中的偽影是影響劑量計算的主要因素。Ping 等［19］和孟慧鵬等［20］提出CT 值的大小與患者的解剖結(jié)構(gòu)和體型具有高度相關(guān)性，單一的CBCT相對電子密度校正曲線不能保證劑量計算的準(zhǔn)確性。為了校正CBCT 影像的偽影，Niu 等［7］提出了基于散射的校正算法，可將均勻模體內(nèi)選定區(qū)域的CT值誤差從375 HU降至17 HU。本研究選取的70 例食管癌或肺癌患者體形變化較小，且CBCT和定位CT經(jīng)嚴(yán)格的配準(zhǔn)，基本包含了臨床中常見的胸部腫瘤患者解剖結(jié)構(gòu)。由于CBCT 和定位CT 具有相似性，通過深度學(xué)習(xí)方法建立了CBCT 體素到定位CT 體素之間的聯(lián)系，CCBCT 可保留CBCT 中更多的細節(jié)特征。本研究結(jié)果表明，建立的校正模型可以顯著減少CBCT影像中的偽影，提高信噪比，CBCT 經(jīng)過校正后，軟組織部分CT值差異較小，CT值差異較大的區(qū)域多數(shù)由位置變化所引起，不具有參考意義，測試集中10 例胸部CBCT經(jīng)校正后，整體CT值誤差降低了52.74%，且差異具有統(tǒng)計學(xué)意義（P＜0.05），采用的GPU 運算可加快運算速度。

Macfarlane 等［21］研究采用線性回歸的方法，使用1 例患者的影像數(shù)據(jù)建立頭頸部CBCT 體素到定位CT 體素的CT 值校正曲線，在3 mm/3%的條件下，三維劑量γ通過率在95%左右，但建立該模型需要手動提取特征，影響模型的準(zhǔn)確性。本次研究CCBCT Plan 的三維劑量γ 通過率較高，在2 mm/2%條件下，三維劑量γ 平均通過率為99.16%，即使在1 mm/1%的嚴(yán)格條件下，平均γ 通過率也達93.95%，臨床計劃驗證中通常認(rèn)為3 mm/3%條件下，γ 通過率高于90%即計劃合格［22-23］。由于灰度配準(zhǔn)算法為剛性配準(zhǔn)，CBCT 經(jīng)過灰度配準(zhǔn)后，靠近皮膚區(qū)域仍存在位置變化，導(dǎo)致γ 分析結(jié)果中未通過劑量點主要分布于該區(qū)域。研究結(jié)果表明校正后的CBCT影像降低了CT值誤差，保證了放療劑量計算的準(zhǔn)確性。

綜上所述，本次研究建立的循環(huán)對抗生成網(wǎng)絡(luò)模型可以實現(xiàn)對胸部CBCT 影像的校正，提升CBCT影像質(zhì)量，且經(jīng)過校正后的CBCT影像可以用于劑量計算，為CBCT影像在臨床中的應(yīng)用提供新的思路和劑量計算奠定基礎(chǔ)。