КОЛИЧЕСТВЕННАЯ ОЦЕНКА ТОЧНОСТИ СИНТЕЗА КТ-ИЗОБРАЖЕНИЙ БРЮШНОЙ ПОЛОСТИ НА ОСНОВЕ МР-СКАНОВ С ИСПОЛЬЗОВАНИЕМ АРХИТЕКТУРЫ UNET++

Реализация концепции «MR-only» в радиационной терапии органов брюшной полости является одной из наиболее актуальных задач современной медицинской физики. Синтез КТ-изображений (sCT) на основе МР-данных позволяет полностью исключить этап пространственного выравнивания разнородных модальностей. Использование вложенной сверточной нейронной сети UNet++ с плотными путями пропуска позволяет обеспечить высокую точность восстановления электронных плотностей тканей.

Целью данной работы является количественная оценка геометрической и текстурной точности синтеза КТ-изображений брюшной полости на основе МР-сканов, сгенерированных архитектурой UNet++, с применением воксельных и дистанционных метрик в среде 3D Slicer для верификации возможности их клинического использования.

Практический этап исследования реализован на базе медицинского набора данных SynthRAD2025 [1]. В выборку были включены данные 10 пациентов с МР-снимками органов брюшной полости и малого таза. Процесс инференса выполнялся с использованием вложенной архитектуры глубокого обучения UNet++, оптимизированной для генерации высокоточных воксельных карт плотностей. Визуальный анализ sCT-изображений показал успешную реконструкцию костных структур (позвоночного столба и костей таза), характеризующихся на исходных МРТ низким сигналом и отсутствием дифференциации. Прямое повоксельное сопоставление сгенерированных sCT-карт с эталонными КТ-снимками , предоставленными экспертами датасета [2], подтвердило высокую степень анатомической идентичности и корректность восстановления рентгенологической плотности в единицах Хаунсфилда (HU).

Количественная оценка точности синтеза sCT проводилась в программном осуществлении 3D-Slicer с применением модулей «Segment Comparison» и «Model to Model Distance». Для корректного анализа предварительно выполнялась сегментация костных структур на обеих модальностях (CT и sCT) с использованием идентичных порогов интенсивности.

Оценка включала расчет коэффициента корреляции Пирсона (r), коэффициента сходства Дайса (DSC), среднего расстояния поверхности (MSD) и максимального расстояния поверхности (HD). Результаты представлены в таблице.

Таблица 1.

Результаты количественного сопоставления параметров референсных КТ и синтезированных sCT-изображений для абдоминальной группы

Анализ данных в таблице показывает высокую стабильность работы алгоритма. Высокие значения коэффициента Пирсона (r = 0,962) подтверждают, что нейросеть корректно интерпретировала значения плотности тканей. Показатели Дайса (0,88) свидетельствуют о высокой геометрической точности восстановления скелета. Среднее расстояние поверхности в 1,42 мм сопоставимо с размером одного вокселя исходного изображения.

Данный результат является клинически адекватным для синтеза костных структур, так как, согласно систематическому обзору [3], современные модели глубокого обучения для области малого таза и брюшной полости демонстрируют аналогичный уровень геометрической точности. Согласно [4, с. 1417], такие показатели обеспечивают высокую диагностическую ценность sCT-изображений, а также позволяют использовать их в системах планирования лучевой терапии без потери точности дозового распределения.

Учитывая всё вышесказанное, можно прийти к выводу, что использование вложенной архитектуры UNet++ для синтеза КТ-изображений органов брюшной полости и малого таза демонстрирует высокую клиническую и техническую эффективность, что позволяет рекомендовать исследуемый подход для безопасного внедрения в протоколы планирования лучевой терапии по концепции «MR-only».