循环生成对抗网络基于颅脑MR图生成伪CT图模型

摘要：

目的 采用改进循环生成对抗网络(UCycleGAN)基于颅脑MR图映射模型生成伪CT图.方法 对50例鼻咽癌颅脑MR图与CT图进行配准及预处理;以U-net网络并添加L1距离函数替换原始循环GAN(CycleGAN)模型生成器的深度残差网络.随机选取40例图像作为训练数据对UCycleGAN模型进行训练,将剩余10例用于测试;比较生成伪CT图与原始图像质量的差异,并与以ResNet、U-net的CycleGAN以及Pix2Pix生成的图像进行对比.结果 相比其他模型,以UCycleGAN模型生成的伪CT图与原始CT图更为接近,体素平均绝对误差(MAE)为(81.45±3.87)HU,峰值信噪比(PSNR)为(34.13±3.28)dB,结构相似性(SSIM)为0.87±0.03.采用UCycleGAN模型生成的伪CT图的MAE小于、而SSIM明显大于其他3种模型(P均<0.05);UCycleGAN伪CT图的PSNR大于CycleGAN_ResNet图像(P<0.05).结论 利用UCycleGAN可基于颅脑MR图生成伪CT图;改良后CycleGAN模型的准确性更高.

关键词：脑肿瘤、放射治疗、循环生成对抗网络、磁共振成像

所属期刊栏目：39

分类号：R742;R445(神经病学与精神病学)

资助基金：江苏省重点研发计划社会发展项目;江苏省卫生健康委医学科研立项面上项目

在线出版日期：2023-03-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：264-269