Akwizycja i przetwarzanie obrazu
Do badania włączono 52 pacjentów z NPC otrzymujących radioterapię w Fujian Cancer Hospital w latach 2020-2021. Badanie to zostało zatwierdzone przez Komisję Etyki Fujian Cancer Hospital (nr etyki: SQ2020-043-01), a wszyscy pacjenci wyrazili pisemną świadomą zgodę przed włączeniem do badania. Wszystkie metody wykonano zgodnie z Deklaracją Helsińską oraz odpowiednimi wytycznymi i przepisami. Podczas symulacji planowania leczenia obrazy CT zostały uzyskane na aparacie Brilliance CT Big Bore (Philips Medical Systems Inc., Cleveland, OH, USA) z protokołem głowa-szyja (120 kV, 225 mA). Wycinek tomogramu ma wymiary 512 x 512 pikseli, a rozdzielczość woksela to 1,14 x 1,14 x 3 mm.3. Wszystkie obrazy CBCT wykonano przed pierwszą radioterapią pacjentów w dniu XVI dla akceleratora Elekta Axesse, z napięciem lampy 120 kV i prądem ekspozycji 25 mA. Wymiary wycinka obrazu CBCT wynosiły 410 x 410 pikseli przy rozdzielczości 1 x 1 x 1 mm3.
Obrazy CT i CBCT rejestrowano ściśle według standardu dla obrazów CBCT, używając oprogramowania open source 3D-Slicer.25. Obrazy tomografii osiowej dopasowane do wokseli CBCT i obrazów objętościowych, zwanych RCT, zostały następnie ponownie próbkowane jako wzorzec odniesienia do oceny obrazu. Maski binarne zostały stworzone w oparciu o segmentację progową i metody przetwarzania morfologicznego, aby uniknąć szkodliwego wpływu struktur nieanatomicznych podczas procesu szkolenia. Wartości wokseli obrazów zostały przycięte do zakresu [− 1000, 2000]podczas gdy wartości wokseli regionów poza maskami zostały ustawione na −1000 HU.
Przed treningiem modelu CycleGAN wszystkie obrazy RCT i CBCT zostały przycięte od środka obrazu do rozmiaru 256 × 256, a wartość CT znormalizowano do [− 1, 1]. Do zestawu szkoleniowego wybrano losowo 41 pacjentów, a 11 pacjentów wykorzystano do walidacji. Z zestawu danych każdego pacjenta pobrano 264 wycinki. Zestaw danych szkoleniowych i walidacyjnych składał się zatem odpowiednio z 10 824 i 2 904 wycinków CT i CBCT. Ze względu na ograniczenia pamięci GPU, w tym badaniu przyjęto model 2D CycleGAN.
Kalibracja HU przez Phantom
Model CIRS 062 (CIRS Tissue Simulation Technology, Norfolk, VA, USA) został zeskanowany przy użyciu tego samego Big Bore CT i tego samego CBCT na akceleratorze liniowym, z tymi samymi parametrami akwizycji. Dla każdego skanu średnia liczba HU każdego materiału wejściowego (gęstość elektronów w stosunku do wody 1,00, 0,20, 0,50, 0,97, 0,99, 1,06, 1,07, 1,16 i 1,61) została odczytana w centralnym wycinku fantomu. Średnią liczbę HU w skanie CT i skanie mikro-CT wykreślono następnie odpowiednio w stosunku do znanej gęstości elektronów. HU zostało skorygowane na podstawie obrazów CBCT opartych na tych dwóch krzywych za pomocą wewnętrznego oprogramowania do tworzenia poprawionych obrazów CBCT (CBCT_cor).
Metoda CycleGAN
Jak pokazano na rysunku 1, model CycleGAN obejmuje dwa generatory i dwa dyskryminatory. W cyklu do przodu Generator-RCT (GRCT) generuje sCT z CBCT, a następnie Generator-CBCT (GCBCT) generuje cykl CBCT (CCBCT) z sCT. Będąc w cyklu wstecznym, użyj GCBCT Złożona CBCT (sCBCT) generuje z RCT, a następnie GRCT Generuje cykl CT (CCT) z sCBCT. Wytrawny, DRCT przyjaźńCBCT, aby określić, czy sCT i sCBCT są prawdziwymi obrazami. Funkcja utraty CycleGAN składała się z utraty antagonizmu i utraty spójności cyklu. Antagonistyczne straty dla dwóch cykli są
$$L_{CT} = E_{RCT}\lewo[ {\left( {1 – D_{RCT} (RCT)} \right)^{2} } \right] +E_{CBCT}\lewo[ {\left( {D_{RCT} \left( {G_{RCT} (CBCT)} \right)} \right)^{2} } \right] $$
(1)
I
$$ L_{CBCT} = E_{CBCT} \ lewo[ {\left( {1 – D_{CBCT} (CBCT)} \right)^{2} } \right] +E_{RCT}\lewo[ {\left( {D_{CBCT} \left( {G_{CBCT} (RCT)} \right)} \right)^{2} } \right] $$
(2)
Ilustracja generatywnej sieci przeciwstawnej dopasowanej do cyklu (CycleGAN).
Straty spójności sesji dla dwóch sesji wynoszą
$$ L_{fw} = E_{CBCT}\lewo[ {\left\| {CBCT – G_{CBCT} (G_{RCT} (CBCT))} \right\|_{1} } \right] $$
(3)
I
$$L_{bw}=E_{RCT}\lewo[ {\left\| {RCT – G_{RCT} \left( {G_{CBCT} (RCT)} \right)} \right\|_{1} } \right] $$
(4)
Tak więc, łącząc te dwa rodzaje strat, chodzi o to, aby:
$$ L_{cyklgan} = L_{CT} + L_{CBCT} + \lambda \left ( {L_{fw} + L_{bw}} \right) $$
(5)
Struktura i parametry sieci
Generator zawiera warstwę kodera, warstwę konwersji i warstwę dekodera. Koder redukuje liczbę wymiarów przestrzennych i definiuje cechy obrazu wejściowego. Warstwa transformacji, na którą składa się dziewięć warstw modułu ResNet26, zmienią się następnie na ich wektory własne. Dekoder ustala wymiary przestrzenne obiektu i generuje złożony obraz. Dyskryminator jest siecią binarną z wyjściami pomiędzy [0, 1]. Tryb jest trenowany za pomocą optymalizatora Adam27 z tensorflow28. Szybkość uczenia spada liniowo po 20 epokach z początkową wartością 0,0002, podczas gdy człon pędu β1 i 2 są ustawione na 0,5. Inne parametry są ustawione w następujący sposób: λ = 10, wielkość partii = 2, epoka = 100. Oryginalne obrazy CBCT i obrazy CBCT_cor są używane odpowiednio do uczenia modelu. W poniższym tekście SCT1 jest generowany przez model CycleGAN z oryginalnych obrazów CBCT, podczas gdy SCT2 jest generowany z CBCT_cor.
ocena
W tym badaniu pacjentów z grupy walidacyjnej wykorzystano do oceny poprawy jakości obrazu. Średni błąd bezwzględny (MAE) i średni błąd (ME) obliczono odpowiednio dla CBCT, CBCT_cor, SCT1 i SCT2 względem RCT w obszarze masek binarnych. W międzyczasie porównano również profile HU dla tego typu obrazów, przeprowadzając porównanie side-by-side.
Plany terapii łukiem zmodyfikowanym wolumetrycznie (VMAT) dla pacjentów w grupie walidacyjnej zostały utworzone na podstawie obrazów RCT. Przepisana dawka wynosiła 69,96 Gy, 60,06 Gy i 56,1 Gy w celu wykreślenia docelowej objętości guza pierwotnego nosogardzieli, obustronnych końcowych węzłów chłonnych (PTV6996), regionu wysokiego ryzyka (PTV6006), regionu niskiego ryzyka i obustronnych obszarów węzłowych niskiego ryzyka (PTV5610) odpowiednio w 33 frakcjach. Punkty orientacyjne zostały przepisane z obrazów RCT na obrazy CBCT, CBCT_cor, SCT1 i SCT2 poprzez ścisłą rejestrację. Obliczenia dawki przeprowadzono przy użyciu Pinnacle3 (Wersja 16.2, Philips Radiation Oncology Systems, Madison, WI).
Porównanie dystrybucji dawki przeprowadzono między obrazami CBCT_cor, RCT, SCT1 i SCT2. Zebrano kilka parametrów dozymetrycznych do porównań ilościowych. Dla PTV, D2 (dawka odpowiadająca 2% objętości) dmieć na myśli (średnia dawka) i dr98 (dawka odpowiadająca 98% objętości). Lamjadaw, zmmieć na myśli lub drpowyższe (maksymalna dawka) została porównana. Globalne wskaźniki gamma pass 3D zostały również obliczone przez moduł radioterapii 3D-Slicer z parametrami odpowiednio 3%/3mm i 2%/2mm, z dawką graniczną 10%.
Test klasyfikacji miejsc Wilcoxona (pomiędzy SCT2 i CBCT, SCT2 i CBCT_cor, SCT2 i SCT1) przeprowadzono dla MAE, ME, współczynnika przepuszczania promieniowania gamma i parametrów dozymetrycznych opisanych wcześniej. Do wykonania tych testów wykorzystano Statistical Package for the Social Sciences (SPSS 21.0; SPSS Inc., Chicago, IL, USA). S<0,05 uznano za istotne statystycznie.
More Stories
Ding! Christopher Ward ogłasza nowe Bel Canto
Najlepszą reklamą podczas wydarzenia Apple Mac była bezpłatna aktualizacja pamięci RAM dla MacBooka Air
Startup zajmujący się obserwacją Ziemi wychodzi z zapomnienia z 12 milionami dolarów