《European Radiology》：TomoRay cranial: synthesis of cranial CT imaging from biplanar radiographs using a generative adversarial network
编辑推荐：
本研究针对颅脑CT检查存在的辐射暴露、设备可及性差等临床痛点，首次提出利用生成对抗网络（GAN）从双平面X线片合成颅脑CT图像。研究团队分别采用数字重建放射图像（DRR）和真实X线片作为输入，训练了两个模型。结果显示，基于DRR的模型在外部验证中峰值信噪比（PSNR）达15.61，结构相似性指数（SSIM）为0.782，证实了技术可行性。该研究为低辐射、便携式颅脑三维成像提供了概念验证，对神经外科术中导航及偏远地区诊疗具有潜在应用价值。
在神经创伤或血管急症中，重复的颅脑计算机断层扫描（CT）成像是监测病情变化的关键手段，尤其对神经系统检查受限的昏迷患者而言。然而，CT检查不仅使患者承受电离辐射，对于血流动力学不稳定或连接多种生命支持设备（如呼吸机、体外膜肺氧合ECMO）的重症患者，转运至CT室还存在巨大 logistical 挑战。尽管移动CT和移动磁共振成像（MRI）等床旁影像技术逐步应用，但其高成本、辐射暴露和操作复杂性限制了普及，尤其在医疗资源匮乏地区。此外，神经外科手术中（如脑室外引流管置入或肿瘤切除），实时三维影像导航可显著提高手术精度，但术中CT（尤其是锥形束CT）和术中MRI设备昂贵，通常仅能在手术中有限使用。
为解决上述瓶颈，Zanier团队在《European Radiology》上发表了一项开创性研究，首次探索利用生成对抗网络（GAN）从双平面颅骨X线片合成颅脑CT图像（sCT）的可行性。研究受胸部X线至CT转化研究（X2CT-GAN）的启发，但颅脑组织完全被颅骨包裹，从二维X线片中重建三维软组织的难度远高于胸部。该研究通过多中心数据（>1500例CT）训练了两个模型：模型1以数字重建放射图像（DRR）为输入，模型2直接使用真实X线片。
关键技术方法
研究纳入苏黎世、博洛尼亚和韩国三家医疗中心的颅脑CT及对应X线数据。预处理阶段，通过刚性配准算法将患者CT与标准颅脑CT模板对齐，并统一重采样至1 mm3各向同性分辨率。模型采用X2CT-GAN架构，模型1使用Plastimatch软件生成DRR作为输入，输出分辨率192×192×192；模型2引入YOLOv8l模型自动提取X线片中的颅骨区域，再配准至标准DRR，输出分辨率128×128×128。性能通过峰值信噪比（PSNR）和结构相似性指数（SSIM）量化。
研究结果
- 1.
模型性能验证
- •
模型1（DRR输入）在外部验证集（博洛尼亚数据集）中PSNR达15.61±1.02，SSIM为0.782±0.030，显著优于模型2（真实X线输入）的PSNR 14.69±0.85和SSIM 0.717±0.037。
- •
配准步骤显著提升图像对齐精度：戴斯系数（DICE）平均提高1.7%，平均对称表面距离（ASSD）优化8.3%，质心距离减少25.2%。
- 2.
解剖结构重建能力
- •
模型1在颅骨宽度（相关系数r=0.89）和长度（r=0.60）重建中表现良好，但脑室相关指标（如Evans指数）相关性较低（r=0.16），反映X线对颅内软组织信息的局限性。
- •
典型重建案例显示sCT可识别颅骨轮廓及脑室扩张（如脑积水病例），但细节分辨率不足（图4、5）。模型对训练集外病理（如去骨瓣减压术）适应性差，出现重建异常（图4E）。
- 3.
技术局限性分析
- •
真实X线片的异构性（如投照角度、放大率差异）是模型2性能下降的主因。尽管通过YOLOv8l颅骨提取和配准部分缓解该问题，但刚性配准算法对复杂体位适配仍不完善。
- •
计算资源限制导致输出分辨率低于临床CT标准，且低分辨率原始CT（如博洛尼亚数据集仅40–80层轴向图像）引入重建伪影。
结论与展望
本研究首次验证了基于深度学习的颅脑X线至CT转化的概念可行性。尽管当前sCT的图像质量尚不足以替代真实CT，但在特定场景（如术中引流管定位、偏远地区初筛）中具有潜在价值。未来需通过优化预处理流程、扩充高质量训练数据（尤其覆盖多样病理）及临床专家定性评估，推动技术向实用化发展。研究为降低辐射暴露、提升神经影像可及性提供了新思路。
