基于改进型CycleGAN的CBCT合成CT图像质量改进研究
曹达1
胡灿2
王传兵1
陈智林3
江月4
1.南京医科大学第一附属医院 放射科,南京 2100192.河海大学信息科学与工程学院,南京 2132003.南京医科大学第一附属医院 放疗科,南京 2100194.南京医科大学附属老年医院放射科,南京 210009
摘要：目的:提出一种基于改进型CycleGAN的无监督学习ViTD-CycleGAN,以从锥形束计算机断层扫描(CBCT)合成计算机断层扫描(CT)图像,旨在提高合成CT(sCT)图像质量和真实性.方法:ViTD-CycleGAN在生成器中引入了基于视觉转换器(ViT)的U-Net框架和深度卷积(DW),结合Transformer的自注意力机制,以提取并保留重要特征和细节信息.同时,引入梯度惩罚(GP)和像素级损失函数(PL),以增强模型训练的稳定性和图像一致性.结果:在头颈部和胸部数据集上MAE、PSNR、SSIM定量评价指标均优于现有无监督学习方法.消融实验显示,DW对模型性能提升最为显著.视觉可视化分析进一步证实ViTD-CycleGAN生成的sCT图像具有更高的图像质量和真实性.结论:本研究提出的方法与其他无监督学习方法相比,可提高CBCT合成CT图像质量,具有一定的临床应用价值.
关键词：深度学习锥形束计算机断层扫描合成CTCycleGAN图像质量改进
分类号：TP18(自动化基础理论)R814(放射医学)Q334(遗传学)R815.2(放射医学)
论文发表日期：2026-03-31
在线出版日期：2026-04-02（本平台首次上网日期，不代表文献的发表时间）
页数：10( 345-354 )
英文信息