[论文解读] Pseudo-CTs from T1-weighted MRI for planning of low-intensity transcranial focused ultrasound neuromodulation: an open-source tool

Siti N. Yaakub, Tristan A. White+4 more|arXiv (Cornell University)|Sep 24, 2022

Ultrasound and Hyperthermia Applications被引用 6

一句话总结

本文提出了一种开源深度学习工具，可从T1加权MRI扫描生成患者特异性的伪CT图像，用于精确的经颅聚焦超声（TUS）神经调控规划。采用优化的3D卷积神经网络（CNN），该方法生成的伪CT图像具有高精度——全头区域平均绝对误差为109.8 HU，颅骨区域为319.3 HU，使得声学模拟结果与使用参考CT扫描的结果高度一致，焦点压力差异可忽略不计（0.48与0.50 MPa），优于使用二值化颅骨掩码的结果（0.28 MPa）。

ABSTRACT

Background: Individual skull models of bone density and geometry are important when planning the expected transcranial ultrasound acoustic field and estimating mechanical and thermal safety in low-intensity transcranial ultrasound stimulation (TUS) studies. Computed tomography (CT) images have typically been used to estimate skull acoustic properties. However, obtaining CT images in research participants may be prohibitive due to exposure to ionising radiation and limited access to CT scanners within research groups. Objective: We present a validated open-source tool for researchers to obtain individual skull estimates from T1-weighted MR images, for use in acoustic simulations. Methods: We refined a previously trained and validated 3D convolutional neural network (CNN) to generate 100 keV pseudo-CTs. The network was pretrained on 110 individuals and refined and tested on a database of 37 healthy control individuals. We compared simulations based on reference CTs to simulations based on our pseudo-CTs and binary skull masks, a common alternative in the absence of CT. Results: Compared with reference CTs, our CNN produced pseudo-CTs with a mean absolute error of 109.8 +/- 13.0 HU across the whole head and 319.3 +/- 31.9 HU in the skull. In acoustic simulations, the focal pressure was statistically equivalent for simulations based on reference CT and pseudo-CT (0.48 +/- 0.04 MPa and 0.50 +/- 0.04 MPa respectively) but not for binary skull masks (0.28 +/- 0.05 MPa). Conclusions: We show that our network can produce pseudo-CT comparable to reference CTs in healthy individuals, and that these can be used in acoustic simulations.

研究动机与目标

• 解决因电离辐射暴露和扫描设备获取限制，导致在经颅聚焦超声（TUS）规划中难以获取CT扫描的问题。
• 开发一种方法，从T1加权MRI估计个体颅骨声学特性，避免在研究受试者中使用CT。
• 通过用患者特异性的伪CT替代二值化颅骨掩码，提高低强度TUS声学模拟的准确性。
• 为研究人员提供经过验证的开源工具，可从标准MRI序列生成可靠的伪CT图像。
• 通过准确建模颅骨引起的超声波畸变，实现更安全、更精确的TUS神经调控规划。

提出的方法

• 微调一个预训练的基于3D U-Net的卷积神经网络（CNN），从T1加权MRI体积预测100 keV伪CT的Hounsfield单位（HU）。
• 在110名受试者的数据上进行网络训练，并在包含37名健康对照者的测试队列上进一步优化，该队列具有配对的MRI和CT扫描。
• 采用多阶段训练策略，以提高泛化能力并减少颅骨HU估计误差。
• 将训练好的模型应用于新受试者的T1-MRI数据，生成用于声学模拟的伪CT图像。
• 使用有限差分时间域（FDTD）方法进行声学模拟，输入类型包括：参考CT、伪CT和二值化颅骨掩码。
• 通过比较三种输入类型下的焦点压力分布和峰值压力，验证模拟精度。

实验结果

研究问题

• RQ1 深度学习模型能否从T1加权MRI生成准确反映患者特异性颅骨HU值的伪CT图像？
• RQ2 基于伪CT的声学模拟在焦点压力和场分布方面与基于参考CT扫描的模拟相比，其准确性如何？
• RQ3 作为颅骨特性代理的常用二值化颅骨掩码在TUS模拟中在多大程度上低估或扭曲了焦点压力？
• RQ4 所提出的开源工具能否可靠地替代TUS神经调控规划中的CT，而不会损害模拟精度？
• RQ5 预测的伪CT与参考CT在颅骨区域和全头区域的定量误差是多少？

主要发现

• CNN生成的伪CT在全头区域的平均绝对误差为109.8 ± 13.0 HU，在颅骨区域为319.3 ± 31.9 HU。
• 使用伪CT进行声学模拟得到的焦点压力为0.50 ± 0.04 MPa，与基于参考CT的模拟结果（0.48 ± 0.04 MPa）在统计学上无显著差异。
• 使用二值化颅骨掩码的模拟得到的焦点压力显著偏低，为0.28 ± 0.05 MPa，表明对声学焦点强度存在显著低估。
• 伪CT在复制颅骨的几何结构和衰减特性方面表现出高空间保真度，可实现对超声波传播的精确建模。
• 该工具作为开源解决方案公开提供，便于在TUS研究中广泛使用，且无需依赖CT扫描设备。
• 该方法可实现患者特异性的声学模拟，辐射风险极低，适用于纵向研究和临床TUS研究。