CT synthétique basé sur CBCT généré à l’aide de CycleGAN avec correction HU pour la radiothérapie adaptative du carcinome du nasopharynx

Acquisition et traitement d’images

52 patients NPC recevant une radiothérapie au Fujian Cancer Hospital de 2020 à 2021 ont été inclus dans cette étude. Cette étude a été approuvée par le comité d’éthique du Fujian Cancer Hospital (numéro d’éthique : SQ2020-043-01) et tous les patients ont fourni un consentement éclairé écrit avant l’inscription à l’étude. Toutes les méthodes ont été réalisées conformément à la Déclaration d’Helsinki ainsi qu’aux directives et réglementations pertinentes. Au cours de la simulation pour la planification du traitement, des images CT ont été obtenues sur un Brilliance CT Big Bore (Philips Medical Systems Inc., Cleveland, OH, USA), avec un protocole tête-cou (120 kVp, 225 mA). La tranche d’image CT avait une dimension de 512 × 512 pixels, avec une résolution de voxel de 1,14 × 1,14 × 3 mm³. Toutes les images CBCT ont été acquises avant la première radiothérapie des patients sur XVI d’un accélérateur Elekta Axesse, avec une tension de tube de 120 kV et un courant d’exposition de 25 mA. La dimension de la tranche d’image CBCT était de 410 × 410 pixels avec une résolution de 1 × 1 × 1 mm³.

Les images CT et les images CBCT ont été enregistrées de manière rigide avec une référence d’images CBCT, à l’aide d’un logiciel open source 3D-Slicer²⁵. Ensuite, les images CT alignées axialement ont été rééchantillonnées en voxel et en taille d’images CBCT, appelées RCT comme norme de référence pour l’évaluation des images. Des masques binaires ont été créés sur la base de la segmentation de seuil et des méthodes de traitement morphologique pour éviter l’impact négatif des structures non anatomiques pendant le processus de formation. Les valeurs de voxel des images ont été coupées à la plage de [− 1000, 2000]tandis que les valeurs de voxel des régions en dehors des masques ont été fixées à – 1000 HU.

Avant la formation du modèle CycleGAN, chaque image RCT et CBCT a été recadrée du centre de l’image à la taille de 256 × 256 et la valeur CT a été normalisée à [− 1, 1]. 41 patients ont été choisis au hasard pour l’ensemble d’entraînement et les 11 patients restants ont été utilisés pour la validation. 264 tranches ont été extraites de l’ensemble de données de chaque patient. Par conséquent, l’ensemble de données de formation et de validation se composait de 10 824 et 2 904 tranches CT et CBCT, respectivement. En raison des limitations de la mémoire GPU, un modèle CycleGAN bidimensionnel est adopté dans cette étude.

Étalonnage de HU par fantôme

Le modèle CIRS 062 (CIRS Tissue Simulation Technology, Norfolk, VA, USA) a été scanné avec le même Big Bore CT et le même CBCT sur l’accélérateur linéaire, avec les mêmes paramètres d’acquisition. Pour chaque balayage, le nombre HU moyen de chaque insertion de matériau (densité électronique par rapport à l’eau de 1,00, 0,20, 0,50, 0,97, 0,99, 1,06, 1,07, 1,16 et 1,61) a été lu dans la tranche centrale du fantôme. Ensuite, le nombre HU moyen dans le scanner et le scanner CBCT a été tracé par rapport à la densité électronique connue, respectivement. Les HU des images CBCT ont été corrigées sur la base de ces deux courbes, par un programme interne pour réaliser les images CBCT corrigées (CBCT_cor).

Méthode CycleGAN

Comme le montre la figure 1, le modèle CycleGAN comprend deux générateurs et deux discriminateurs. Dans le cycle avant, Generator-RCT (G_ECR) génère sCT à partir de CBCT, puis Generator-CBCT (G_CBCT) génère Cycle CBCT (CCBCT) à partir de sCT. Pendant le cycle arrière, G_CBCT génère un CBCT synthétisé (sCBCT) à partir de RCT, puis G_ECR génère Cycle CT (CCT) à partir de sCBCT. Les deux discriminateurs, D_ECR et D_CBCT, ont été utilisés pour déterminer si sCT et sCBCT étaient de vraies images. La fonction de perte de CycleGAN consistait en une perte contradictoire et une perte de cohérence du cycle. Les pertes contradictoires pour les deux cycles sont

et

Les pertes de cohérence de cycle pour les deux cycles sont

et

Ainsi, en combinant ces deux types de pertes, l’objectif complet est :

Structure et paramètres du réseau

Le générateur contient une couche d’encodage, une couche de conversion et une couche de décodage. L’encodeur réduit le nombre de dimensions spatiales et identifie les caractéristiques de l’image d’entrée. La couche de conversion, qui se compose de neuf couches de module ResNet²⁶, deviendra alors ses vecteurs propres. Le décodeur répare les dimensions spatiales de l’objet et génère une image de synthèse. Le discriminateur est un réseau binaire avec des sorties entre [0, 1]. Le mode est entraîné avec l’optimiseur Adam²⁷ de Tensorflow²⁸. Le taux d’apprentissage décroît linéairement après 20 époques avec une valeur initiale de 0,0002, tandis que les termes d’impulsion β1 et β2 sont définis sur 0,5. Les autres paramètres sont définis comme suit : λ = 10, batch-size = 2, epoch = 100. Les images CBCT d’origine et les images CBCT_cor sont utilisées pour former le modèle respectivement. Dans le texte suivant, SCT1 est généré par le modèle CycleGAN à partir d’images CBCT originales tandis que SCT2 est généré à partir de CBCT_cor.

Évaluation

Dans cette étude, les patients de l’ensemble de validation ont été utilisés pour évaluer l’amélioration de la qualité de l’image. L’erreur absolue moyenne (MAE) et l’erreur moyenne (ME) pour CBCT, CBCT_cor, SCT1 et SCT2 par rapport à RCT ont été calculées dans la région des masques binaires, respectivement. Pendant ce temps, les profils HU ont également été comparés pour ces types d’images tandis qu’une comparaison côte à côte a été effectuée.

Les plans d’arcthérapie volumétrique modulée (VMAT) des patients de l’ensemble de validation ont été générés sur les images RCT. La dose prescrite était de 69,96 Gy, 60,06 Gy et 56,1 Gy pour les volumes cibles de planification de la tumeur primitive du nasopharynx et des ganglions lymphatiques bilatéraux définitifs (PTV6996), de la région à haut risque (PTV6006), de la région à faible risque et des régions nodales bilatérales à faible risque (PTV5610) en 33 fractions, respectivement. Les contours ont été copiés des images RCT vers les images CBCT, CBCT_cor, SCT1 et SCT2 via un recalage rigide. Le calcul de la dose a été effectué avec le Pinnacle³ (version 16.2, Philips Radiation Oncology Systems, Madison, WI).

La comparaison de la distribution des doses a été réalisée entre les images CBCT_cor, RCT, SCT1 et SCT2. Plusieurs paramètres dosimétriques ont été collectés pour des comparaisons quantitatives. Pour les PTV, le D₂ (la dose correspondant à 2 % du volume), D_moyenne (la dose moyenne) et D₉₈ (la dose correspondant à 98 % du volume) ont été enregistrées. Pour les OAR, D_moyenne ou D_maximum (la dose maximale) ont été comparés. Les taux de passage gamma 3D globaux ont également été calculés par le module de radiothérapie de 3D-Slicer avec des critères de 3 %/3 mm et 2 %/2 mm, avec un seuil de dose de 10 %, respectivement.

Le test de rang signé de Wilcoxon a été réalisé (entre SCT2 et CBCT, SCT2 et CBCT_cor, SCT2 et SCT1,) pour MAE, ME, taux de réussite gamma et paramètres dosimétriques précédemment décrits. Le progiciel statistique pour les sciences sociales (SPSS 21.0 ; SPSS Inc., Chicago, IL, États-Unis) a été utilisé pour effectuer ces tests et P< 0,05 était considéré comme statistiquement significatif.