中山大学附属第一医院神经外科姚顺/王海军团队与美国哈佛大学医学院Raymond Huang/Linda Bi团队合作，开展了一项基于人工智能-条件生成对抗网络技术（cGAN）生成高分辨率头颅CT在神经外科多个病理场景中的应用研究。该研究在高分辨率生成式CT（512x512）的定量和定性评估指标方面优于既往研究。相关成果于2024年4月5日发表在神经外科领域Q1/TOP期刊《Journal of Neurosurgery》上，得到国际神经外科、医学影像、医学工程和计算机图形视觉领域的广泛认可。

医学影像在神经外科临床工作中至关重要，对疾病诊断、术前规划、术中引导和监测等环节不可或缺。CT图像擅长显示骨质结构，MRI图像擅长显示病变结构，两者互为补充。在颅底肿瘤的术前计划中，CT图像能够评估蝶鞍形态、蝶窦及乳突气化、内听道结构（IAC）、以及脑膜瘤或脊索瘤的骨质侵犯，为颅底手术提供重要参考。

然而，患者通常需要接受两种检查，这不仅耗时费力，还可能增加患者的辐射剂量，尤其是孕妇和儿童。此外，当需要使用MRI和CT的融合图像指导手术时，患者定位、运动和扫描器伪影等因素会导致图像融合误差。

基于人工智能（artificial intelligence, AI）的图像跨模态生成技术有望解决上述问题。本论文采用条件生成对抗网络（conditional generative adversarial network, cGAN）的AI深度学习架构，该架构在跨模态数据生成方面表现良好，但尚未应用于高分辨率CT图像生成。因此，我们首次使用本研究单位数据作为训练cGAN数据集，使用哈佛大学数据集作为外部验证，开发了可用于神经外科术前评估的cGAN-CT生成模型，并对模型进行定量和定性评估，综合突出其在神经外科应用的可转化性（图1）。

图1. 基于头颅MR图像和AI技术的CT图像生成及其临床应用

对所有T1-CE MRI进行N4偏场校正和重采样，并将MRI和CT图像进行配准。配准后的图像分别重建为轴位、冠状位和矢状位图像，用于cGAN的训练。

将FAH-SYSU数据集划分为训练集和测试集，比例为4:1。训练集包含64例患者的79111张图像，测试集包含16例患者的13870张图像。来自BWH-HMS的10068张图像用于外部验证。

模型的训练、测试和验证使用Python和PyTorch（版本1.12.1）进行。

在测试集中，cGAN的平均PSNR为23.1±2.3 ，与之前研究相似。cGAN-CT图像和真实CT图像之间的结构相似度较高，平均SSIM为0.89±0.04，平均LPIPS为0.08±0.03。

对于蝶窦、蝶鞍和IAC的测量，中位相对误差低于9%（图6A）。蝶骨和岩尖气化状态可以被准确重建，但cGAN-CT在乳突的气化方面表现稍差（图6B）。

蝶窦的重建与真实CT误差较低，中位误差率在蝶窦的长度、宽度和高度上分别为1.8%、2.4%和3.9%（图6C）。

蝶鞍的测量误差稍高，中位误差率在蝶鞍的长度、深度和直径上分别为4.8%、8.5%和4.9%（图6C）。

与蝶窦相比，IAC重建的误差稍高，中位误差率在IAC的长度、宽度和高度上分别为8.3%、6.7%和5.6%（图6C）。

使用BWH-HMS的数据集对cGAN进行了外部验证测试。结果表明，cGAN在脑血管病、垂体肿瘤、前庭神经鞘瘤和脑膜瘤患者中皆表现出高准确度（见补充图2）。与测试数据集相比，外部验证集的定量评估指标有所下降，平均PSNR为22.0±2.1，平均SSIM为0.88±0.04，平均LPIPS为0.11±0.04（图6D）。但cGAN在外部验证集中仍表现出与之前研究类似的准确度。

补充图2：在哈佛大学外部验证数据集中，分别对垂体瘤、听神经瘤和脑膜瘤患者MRI数据的生成式CT与真实CT对比

研究结论

对于神经外科手术计划的制定，准确评估骨质情况至关重要。尽管cGAN-CT在捕捉细小的颅底骨质气房方面显示出一些偏差，但在其他结构中，cGAN-CT的误差很小。该cGAN模型的灵活性和可转化性源于其能够建立MRI与CT图像对应像素间的内在联系；即使人眼无法感知的像素信息，数据也可以通过深度学习网络进行捕获并转换；该技术能够较为准确地重建颅底和颅骨结构，具有以下潜力：

• 精准性：精准重建颅底结构和细节，如蝶窦、内听道、乳突、颈静脉球位置等；

• 高效性：实现快速（数秒）、精确的、高分辨率CT评估，提高临床工作效率。

• 通用性：不局限于某一特定疾病或区域，可用于多种病理场景；

• 无辐射：实现CT图像的无辐射获取，尤其适用于儿童和对辐射敏感的患者；

• 应用性：用于神经外科术前计划，为手术安全提供更精准的影像参考。

本项来自中山大学附属第一医院神经外科和哈佛大学医学院附属布莱根妇女医院神经外科合作提出并验证的生成式高分辨率CT人工智能技术为神经外科颅底肿瘤手术计划提供了一种更加简便、高效、经济、无辐射的解决方案，具有较好的应用推广前景。

谭奕珩 博士研究生

荷兰格罗宁根大学医学中心

毕业于中山大学附属第一医院神经外科

主要研究方向：基于人工智能和多模态影像融合技术引导下的神经外科学

授权国际发明专利和实用新型专利两项

在Journal of Neurosurgery（第一作者）等国内外著名期刊发表论文四篇

姚顺 主治医师

中山大学附属第一医院

神经外科博士、助理研究员、硕士研究生导师

美国哈佛大学联合培养博士/博士后（国家公派）

美国第五届、第六届神经病学峰会医学生委员

广东省健康管理学会儿童肿瘤心脏病专委会常委

授权国际和中国发明专利两项（第一发明人）

主持中国博士后基金和广东省自然等基金四项

受邀国际会议发言多次（CNS、WFNS、ANA）并获奖两项

研究方向：小儿和成人神经肿瘤的基础与临床（基于脑科学、多模态数据融合和人工智能技术），在Neuro-Oncology、BMJ JNNP、Journal of Controlled Release、Cancer Letters、Knowledge-Based Systems、IEEE JBHI、Neurosurgery、Journal of Neurosurgery等国际SCI期刊发表论文46篇（总引用率730余次），参编英文论著两部三章

担任Journal of Neuroimaging常务编委，Cancer Imaging、Human Brain Mapping和CNS Neuroscience & Therapeutics等多本SCI期刊长期审稿人

点击/识别二维码，前往姚顺 主治医师学术主页

查看更多精彩内容

课题导师简介

王海军 主任医师

中山大学附属第一医院

医学博士、主任医师、二级教授、博士生导师、博士后合作导师

中山大学附属第一医院神经外科主任、垂体瘤诊治中心主任

广东省医学重点实验—垂体肿瘤研究实验室主任

广东省医学会神经外科学分会主任委员

广东省医师协会神经外科医师分会名誉主任委员

中华医学会神经外科分会委员

中国垂体腺瘤协作组第三届专家委员会组长

中国医师协会神经外科分会常务委员

中国医师协会神经外科医师分会微侵袭神经外科专委会副主任委员

中国医师协会神经外科医师分会委员

中国医疗保健国际交流促进会神经外科学分会委员会常委

国家卫生健康委能力建设和继续教育神经外科学专家委员会委员

点击/识别二维码，前往王海军 教授学术主页

查看更多精彩内容