黃星武,傅萬(wàn)凱*,陳傳本,柏朋剛,陳濟(jì)鴻,林蔚林,楊海松

(1.福建醫(yī)科大學(xué)腫瘤臨床醫(yī)學(xué)院,福建 福州 350014;2.福建省腫瘤醫(yī)院放療中心,福建 福州 350014)

調(diào)強(qiáng)放射治療(intensity-modulated radiation therapy, IMRT)是治療鼻咽癌(nasopharyngeal carcinoma, NPC)的主要手段[1];隨放射治療(放療)次數(shù)增加,腫瘤靶區(qū)(gross target volume, GTV)及轉(zhuǎn)移的頸部淋巴結(jié)可發(fā)生解剖改變,空間位置及劑量分布亦發(fā)生相對(duì)變化,導(dǎo)致實(shí)際照射劑量與原計(jì)劃劑量存在差異而影響放療的精確性[2]。自適應(yīng)放療(adaptive radiotherapy, ART)鼻咽癌可通過(guò)圖像引導(dǎo)方式評(píng)估患者體位改變,觀察治療過(guò)程中正常組織結(jié)構(gòu)及腫瘤形態(tài)、位置變化,指導(dǎo)調(diào)整后續(xù)放療計(jì)劃[3]。螺旋斷層放射治療(helical tomotherapy, HT)是以兆伏級(jí)CT(megavoltage CT, MVCT)為實(shí)時(shí)引導(dǎo)、通過(guò)螺旋方式行薄層照射的IMRT設(shè)備,可用于鼻咽癌ART[4];但MVCT與千伏級(jí)CT(kilovolt CT, kVCT)間CT值存在一定差距[5],且MVCT圖像對(duì)比度較低[6],其基于模體的圖像灰度到電子質(zhì)量密度曲線(image value to density table, IVDT)可隨時(shí)間而發(fā)生變化,使直接以MVCT計(jì)算劑量的精確度有限。近年來(lái),生成式對(duì)抗網(wǎng)絡(luò)(generative adversarial network, GAN)已廣泛用于圖像處理,由此發(fā)展而來(lái)的循環(huán)GAN(cycle GAN, CycleGAN)[7]已用于提高CT圖像質(zhì)量[8-9]。本研究觀察CycleGAN用于修正鼻咽癌MVCT圖像的價(jià)值。

1 資料與方法

1.1 一般資料 選取2020年10月—2022年12月101例于福建省腫瘤醫(yī)院接受CT掃描及HT治療的首診鼻咽癌患者,男78例、女23例,年齡22～74歲、平均(45.0±15.2)歲;均未發(fā)生遠(yuǎn)處轉(zhuǎn)移。

1.2 儀器與方法 采用Philips Brilliance Big Bore大孔徑定位模擬CT機(jī),Accuray TomoHD螺旋斷層放療系統(tǒng),VELOCITY4.0腫瘤多模態(tài)影像管理軟件,Pinnacle16.2放療計(jì)劃系統(tǒng)。囑患者仰臥,以熱塑膜及發(fā)泡膠固定其頭頸部,采集計(jì)劃CT(plan CT, pCT)圖像,掃描范圍為顱頂至鎖骨下3 cm,層厚3 mm,分辨率512×512;采集MVCT圖像,掃描范圍顱底至第6頸椎,能量3.5 MV,掃描模式Normal,層厚4 mm,分辨率512×512。

1.3 圖像處理 將圖像導(dǎo)入VELOCITY4.0軟件,以MVCT為基準(zhǔn)對(duì)pCT進(jìn)行重采樣至MVCT體素及尺寸,以所獲重采樣CT(resampled CT, RCT)圖像為評(píng)價(jià)圖像的參考標(biāo)準(zhǔn)。隨機(jī)選擇80例為訓(xùn)練集,包括RCT和MVCT圖像各8 945幅;以其余21例為測(cè)試集,包括RCT和MVCT圖像各2 133幅;將RCT和MVCT圖像輸入CycleGAN進(jìn)行訓(xùn)練和測(cè)試。采用圖像融合顯示及多窗口圖像對(duì)比顯示方法評(píng)估配準(zhǔn)結(jié)果,以閾值分割及形態(tài)學(xué)處理方法對(duì)外輪廓進(jìn)行二進(jìn)制掩膜,將掩膜外區(qū)域CT值設(shè)置為-1 000 HU、圖像CT值范圍裁剪至(-1 000,2 000);輸入模型前將圖像CT值重新歸一化至(-1,1),以提高訓(xùn)練穩(wěn)定性。

1.4 勾畫(huà)靶區(qū)與危及器官 按照國(guó)際輻射單位和測(cè)量委員會(huì)(International Commission on Radiation Units and Measurements, ICRU)要求,結(jié)合病理及影像學(xué)所見(jiàn)勾畫(huà)靶區(qū)和危及器官。靶區(qū)指影像學(xué)及臨床檢查可見(jiàn)的原發(fā)腫瘤及其侵犯范圍,即GTV-腫瘤(GTV-tumor, GTV-T);以頸部左側(cè)轉(zhuǎn)移淋巴結(jié)為左側(cè)淋巴結(jié)(GTV-node left, GTV-NL)、頸部右側(cè)轉(zhuǎn)移淋巴結(jié)為右側(cè)淋巴結(jié)(GTV-node right, GTV-NR);以GTV-T+ GTV-T外擴(kuò)5 mm+相應(yīng)鼻咽腔黏膜及黏膜下5 mm為臨床靶區(qū)(clinical target volume, CTV)1;根據(jù)腫瘤侵犯位置和范圍對(duì)其進(jìn)行適當(dāng)擴(kuò)充而得到CTV2;分別以頸部左、右側(cè)轉(zhuǎn)移淋巴結(jié)的CTV為CTV-NL(CTV-node left)及CTV-NR(CTV-node right);將以上各靶區(qū)外擴(kuò)3 mm得到計(jì)劃靶區(qū)(plan target volume, PTV),分別為GTV-T-P、GTV-NL-P、GTV-NR-P、CTV1-P、CTV2-P、CTV-NL-P及CTV-NR-P。

1.5 CycleGAN 算法模型及結(jié)構(gòu)參數(shù) 采用CycleGAN訓(xùn)練網(wǎng)絡(luò)模型(圖1)。將RCT及MVCT數(shù)據(jù)輸入CycleGAN網(wǎng)絡(luò);前向循環(huán)中,MVCT通過(guò)生成器GRCT生成RCT風(fēng)格的偽CT(synthesized CT, sCT),再通過(guò)GMVCT轉(zhuǎn)換回到MVCT風(fēng)格的循環(huán)MVCT(cycle MVCT, CMVCT);逆向循環(huán)中以同理生成偽MVCT(synthesized MVCT, sMVCT)和循環(huán)CT(cycle CT, CCT);之后由判別器DRCT和DMVCT對(duì)輸入圖像進(jìn)行判斷。

圖1 CycleGAN模型訓(xùn)練示意圖 A.前向循環(huán); B.逆向循環(huán) (G為生成器,D為判別器,L為損失函數(shù))

CycleGAN損失函數(shù)L分為對(duì)抗損失函數(shù)[公式(1)、(2)]和循環(huán)一致?lián)p失函數(shù)[公式(3)、(4)],其計(jì)算公式如下:

LRCT=ERCT[(1-DRCT(RCT))2]+EMVCT[(DRCT(GRCT(MVCT)))2]

(1)

LMVCT=EMVCT[(1-DMVCT(MVCT))2]+ERCT[DMVCT(GMVCT(RCT))2]

(2)

Lfw=EMVCT[||MVCT-GMVCT(GRCT(MVCT))||1]

(3)

Lbw=ERCT[||RCT-GRCT(GMVCT(RCT))||1]

(4)

其中,ERCT[(1-DRCT(RCT))2]是將RCT輸入判別器D所得到的實(shí)際判別值與理想值之間的均方誤差的期望值;EMVCT[(DRCT(GRCT(MVCT)))2]是將MVCTT輸入生成器G、再輸入判別器D所得的實(shí)際判別值與理想值之間的均方誤差的期望值;EMVCT[||MVCT-GMVCT(GRCT(MVCT))||1]是將MVCT輸入GRCT、再輸入GMVCT所得CMVCT與輸入MVCT之間的平均絕對(duì)誤差(mean absolute error, MAE)的期望值;由此獲得EMVCT[(1-DMVCT(MVCT))2]、ERCT[DMVCT(GMVCT(RCT))2]及ERCT[||RCT-GRCT(GMVCT(RCT))||1]。

訓(xùn)練期間采用總目標(biāo)函數(shù)Lcyclegan優(yōu)化生成器和判別器:

Lcyclegan=LRCT+LMVCT+λ(Lfw+Lbw)

(5)

其中,λ為循環(huán)一致性損失與對(duì)抗性損失的權(quán)重比,用于調(diào)節(jié)最終生成數(shù)據(jù)之間的相關(guān)性。

以Tensorflow框架建立網(wǎng)絡(luò)參數(shù),設(shè)置λ=10,采用Adam算法進(jìn)行優(yōu)化,設(shè)一階矩衰減系數(shù)β1=0.5,二階矩衰減系數(shù)β2=0.5,batchsize=2,epoch=100,初始學(xué)習(xí)率0.000 2,20個(gè)epoch后學(xué)習(xí)率線性衰減。

1.6 CT值比較 采用MAE比較測(cè)試集sCT與RCT、MVCT與RCT間的CT值差異,計(jì)算公式如下:

(6)

其中,i,j為圖像坐標(biāo)位置,f(i,j)為掩膜內(nèi)RCT圖像(i,j)處的像素值,t(i,j)為sCT及MVCT圖像(i,j)處的像素值,nxny為像素總數(shù)。

1.7 計(jì)算劑量 測(cè)試集MVCT經(jīng)CycleGAN訓(xùn)練模型遷移轉(zhuǎn)換后生成sCT。采用VELOCITY4.0軟件將于pCT勾畫(huà)的靶區(qū)及危及器官形變配準(zhǔn)至RCT上,再分別將sCT和RCT圖像導(dǎo)入Pinnacle16.2計(jì)劃系統(tǒng);根據(jù)RCT及勾畫(huà)靶區(qū)設(shè)計(jì)計(jì)劃,GTV-T-P、GTV-NL-P和GTV-NR-P處方劑量為6 996 cGy/33次,CTV1-P為6 006 cGy/33次,CTV2-P、CTV-NL-P和CTV-NR-P為5 610 cGy/33次;之后保持計(jì)劃參數(shù)不變,計(jì)算基于sCT的劑量分布。

計(jì)算GTV-T-P、GTV-NL-P、GTV-NR-P的D95和D98,危及器官腦干D1cc、脊髓D1cc、晶狀體Dmax,腮腺Dmean和V30;D95和D98分別代表靶區(qū)95%和98%體積內(nèi)的最小劑量,Dmax和Dmean分別代表最大劑量和平均劑量,D1cc為1 ml體積內(nèi)的最大劑量,V30為危及器官中超過(guò)30 Gy的體積占該危及器官總體積的百分比。

1.8 統(tǒng)計(jì)學(xué)分析 采用SPSS 25.0統(tǒng)計(jì)分析軟件。以±s形式表示符合正態(tài)分布計(jì)量資料,行配對(duì)t檢驗(yàn);以中位數(shù)(上下四分位數(shù))表示不符合者,行非參數(shù)檢驗(yàn)。P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 MAE 測(cè)試集MVCT與RCT圖像之間、sCT與RCT圖像之間的CT值的MAE分別為132.67(121.84,138.28)HU及76.77(62.71,86.43)HU,差異有統(tǒng)計(jì)學(xué)意義(Z=-5.466,P<0.001),即修正后sCT圖像的CT值更接近kV級(jí)RCT圖像。見(jiàn)圖2。

圖2 測(cè)試集MVCT與RCT和sCT與RCT圖像CT值MAE柱狀圖

2.2 劑量計(jì)算 除GTV-NR-P的D95和左晶狀體Dmax外,sCT與RCT圖像其余劑量參數(shù)差異均無(wú)統(tǒng)計(jì)學(xué)意義(P均>0.05)。見(jiàn)表1、2及圖3、4。

表1 鼻咽癌sCT與RCT圖像GTV-T、GTV-NL、GTV-NR劑量分布比較(Gy)

表2 鼻咽癌sCT與RCT圖像危及器官劑量分布比較

圖3 鼻咽癌患者,男,45歲 A～C.頭頸部軸位(A)、矢狀位(B)及冠狀位(C)sCT圖像顯示劑量分布; D～E.頭頸部軸位(D)、矢狀位(E)及冠狀位(F)RCT圖像顯示劑量分布 (以不同顏色代表不同劑量分布區(qū))

圖4 劑量體積折線圖 A.sCT; B.RCT (不同顏色表示不同劑量分布區(qū))

3 討論

鼻咽癌MVCT圖像用于ART存在一定限制。PUKALA等[10]指出,直接采用頭頸部MVCT圖像,經(jīng)IVDT轉(zhuǎn)換后進(jìn)行劑量計(jì)算的誤差高達(dá)5%,難以保證計(jì)算ART劑量的精確性,需對(duì)圖像質(zhì)量加以提升。

將CycleGAN網(wǎng)絡(luò)框架用于腫瘤ART已見(jiàn)于報(bào)道。LIANG等[11]采用CycleGAN算法將錐形束CT(cone beam CT, CBCT)圖像轉(zhuǎn)換為類(lèi)似pCT的sCT,對(duì)CT值進(jìn)行校正,使生成的sCT圖像擁有與pCT圖像相似的CT值及平滑度,并用于計(jì)算ART劑量。本研究采用CycleGAN算法對(duì)鼻咽癌MVCT進(jìn)行遷移修正,使生成的sCT與pCT的CT值差距縮小,修正后其與RCT圖像之間的CT值MAE由132.67(121.84,138.28)HU降至76.77(62.71,86.43)HU;對(duì)sCT與RCT腫瘤靶區(qū)和危及器官劑量分布的分析結(jié)果顯示,除GTV-NR-P的D95和左晶狀體Dmax外,sCT與RCT圖像其余劑量參數(shù)差異均無(wú)統(tǒng)計(jì)學(xué)意義。鼻咽癌IMRT過(guò)程中,危及器官可發(fā)生體積改變,尤以腮腺為著。本研究sCT與RCT圖像中雙側(cè)腮腺Dmean和V30差值均小于2%,提示臨床可通過(guò)遷移修正MVCT后分析和監(jiān)測(cè)腮腺劑量。

VINAS等[12]采用CycleGAN算法將MVCT轉(zhuǎn)換成類(lèi)似于pCT風(fēng)格的sCT,使sCT中肌肉-脂肪、骨-脂肪和骨-肌肉對(duì)比度分別由MVCT的1.6±0.3、7.6±1.9、6.0±1.7提高至14.8±0.4、122.7±22.6、107.9±26.5,接近kV級(jí)pCT的對(duì)比度(15.2±0.8、124.9±27.0、109.7±26.5);同時(shí),sCT圖像噪聲顯著降低,信噪比提高約1個(gè)數(shù)量級(jí),與pCT信噪比一致。本研究發(fā)現(xiàn),遷移、修正MVCT圖像后,生成的sCT圖像質(zhì)量亦得到一定程度改善,但未進(jìn)行詳細(xì)分析,有待后續(xù)進(jìn)一步探索。

綜上所述,采用CycleGAN修正鼻咽癌MVCT圖像可使其與kV級(jí)pCT圖像的CT值差距明顯縮小并能用于計(jì)算劑量。但本研究部分樣本體內(nèi)存在異常密度物質(zhì)(如金屬義齒、輸液港、體內(nèi)異常高密度植入物等),可能對(duì)kV級(jí)pCT圖像CT值歸一化產(chǎn)生影響,有待后續(xù)尋找有效方法以防止圖像遷移異常。