DOI: https://doi.org/10.1002/mp.17981
PMID: https://pubmed.ncbi.nlm.nih.gov/40665582
تاريخ النشر: 2025-07-01
المؤلف: Adrian Thummerer وآخرون
الموضوع الرئيسي: تقنيات العلاج الإشعاعي المتقدمة
نظرة عامة
تحدد قسم ورقة البحث أهمية التصوير الطبي في العلاج الإشعاعي، مع التركيز بشكل خاص على دور تقنيات التصوير الاصطناعي مثل التصوير المقطعي المحوسب الاصطناعي (sCT). تم تقديم مجموعة بيانات SynthRAD2025 وتحدي SynthRAD2025 كمبادرات مصممة لتعزيز تطوير ومعايرة خوارزميات توليد التصوير المقطعي الاصطناعي باستخدام التصوير المقطعي بالكمبيوتر (CBCT) والتصوير بالرنين المغناطيسي (MRI).
تتكون مجموعة البيانات من 2362 حالة، بما في ذلك 890 زوجًا من MRI-CT و1472 زوجًا من CBCT-CT من مرضى السرطان عبر مناطق تشريحية مختلفة، تم جمعها من خمسة مراكز طبية جامعية أوروبية. تم استخدام طرق معالجة مسبقة صارمة، بما في ذلك تسجيل الصور الصلبة والقابلة للتشويه، لضمان محاذاة الصورة عالية الجودة والاتساق. يتم تنسيق بيانات التصوير في MetaImage (.mha) لتكون متوافقة مع أدوات التصوير الطبي القياسية، ويتم توفير بيانات وصفية مرفقة لمعلومات الاستحواذ والتسجيل التفصيلية.
في الختام، تعتبر مجموعة بيانات SynthRAD2025 موردًا حيويًا لمجتمع أبحاث العلاج الإشعاعي، مما يسهل التقدم في رعاية السرطان الشخصية من خلال تحسين توليد التصوير المقطعي الاصطناعي. يتم تشجيع الباحثين على التعرف على قيود مجموعة البيانات أثناء السعي لإنشاء خوارزميات قوية وقابلة للتطبيق سريريًا. من المتوقع أن يدعم الإصدار القادم من مجموعات التحقق والاختبار بعد التحدي مزيدًا من تحسين هذه المنهجيات.
مقدمة
تسلط المقدمة الضوء على التقدم الكبير في العلاج الإشعاعي الموجه بالصور والتكيفي على مدار العقد الماضي، والذي حسن نتائج علاج السرطان من خلال توصيل الجرعات بدقة مع تقليل الضرر للأنسجة السليمة. يعتبر التصوير المقطعي المحوسب التقليدي (CT) هو المعيار الذهبي لتخطيط العلاج نظرًا لتوفير معلومات كثافة الإلكترون الأساسية لحسابات الجرعة الدقيقة. ومع ذلك، أدت قيود التصوير المقطعي المتكرر – مثل استهلاك الوقت، والتكلفة، والتعرض الإشعاعي الإضافي – إلى اعتماد طرق بديلة مثل التصوير المقطعي بالكمبيوتر (CBCT) والتصوير بالرنين المغناطيسي (MRI). بينما يوفر CBCT التكامل مع آلات العلاج لتوافق المرضى اليومي، فإن جودة صورته غالبًا ما تكون أقل من التصوير المقطعي التشخيصي، مما يحد من استخدامه لحسابات الجرعة. من ناحية أخرى، يوفر MRI تباينًا أفضل للأنسجة الرخوة دون إشعاع مؤين، ولكنه يفتقر إلى المعلومات اللازمة لكثافة الإلكترون لحسابات الجرعة المباشرة.
للتغلب على هذه التحديات، هناك اهتمام متزايد في توليد التصوير المقطعي الاصطناعي (sCT) من بيانات CBCT وMRI، مما يمكن أن يسهل حسابات الجرعة الدقيقة ويحسن تقسيم الأعضاء المعرضة للخطر وحجم الهدف. قدم تحدي SynthRAD2023 مجموعة بيانات عامة على نطاق واسع لمقارنة طرق توليد التصوير المقطعي الاصطناعي، مما يعالج ندرة مجموعات البيانات العامة في هذا المجال. بناءً على هذا النجاح، يقدم تحدي SynthRAD2025 مجموعة بيانات موسعة تشمل مواقع تشريحية إضافية، بهدف دعم البحث في توليد الصور الطبية للعلاج الإشعاعي. من المتوقع أن يعزز هذا المبادرة تطوير والتحقق من خوارزميات توليد sCT، مما يعزز في النهاية التقدم في رعاية السرطان الشخصية.
طرق
في قسم “طرق الاستحواذ والتحقق”، يحدد المؤلفون النهج المنهجي المستخدم لجمع والتحقق من البيانات لدراستهم. يوضحون التقنيات المحددة المستخدمة لجمع البيانات، والتي قد تشمل الاستطلاعات، والتجارب، أو الدراسات الملاحظة، مع ضمان توافق الطرق مع أهداف البحث. يتم وصف عملية التحقق بأنها صارمة، حيث تتضمن تحليلات إحصائية وتقنيات تحقق متبادل لتأكيد موثوقية ودقة البيانات المجمعة.
يؤكد المؤلفون على أهمية استخدام بروتوكولات موحدة لتقليل التحيز وتعزيز قابلية تكرار النتائج. كما يناقشون المعايير لاختيار المشاركين أو مصادر البيانات، مما يضمن أن العينة تمثل السكان قيد التحقيق. بشكل عام، يبرز القسم الصرامة المنهجية التي تدعم البحث، مما يساهم في مصداقية النتائج المقدمة في الأقسام اللاحقة.
مناقشة
تمثل مجموعة بيانات SynthRAD2025 تقدمًا كبيرًا في مجال توليد التصوير المقطعي الاصطناعي (sCT) للعلاج الإشعاعي، حيث توفر موردًا واسع النطاق ومتعدد المراكز يسهل تطوير ومعايرة الخوارزميات لتحويل MRI إلى CT وCBCT إلى CT. تتكون من 2362 حالة من خمسة مراكز طبية أوروبية، تشمل مجموعة البيانات بروتوكولات تصوير متنوعة وسكان مرضى، مما يعزز عمومية نتائج البحث. تم هيكلة مجموعة البيانات في مهمتين رئيسيتين: تركز المهمة 1 على تحويل MRI إلى CT، بينما تتناول المهمة 2 ترجمة CBCT إلى CT، وكلاهما حاسم لتحسين سير العمل في العلاج الإشعاعي التكيفي. تضمن خط أنابيب المعالجة المسبقة الشاملة بيانات عالية الجودة، بما في ذلك خطوات مثل التسجيل الصلب، وإزالة التعرف على المرضى، وتوحيد معايير الصورة.
تكون آثار مجموعة بيانات SynthRAD2025 عميقة، خاصة بالنسبة للعلاج الإشعاعي التكيفي، حيث تعالج التحديات المتعلقة بجودة الصورة ومعلومات كثافة الإلكترون. من خلال تمكين تطوير خوارزميات توليد sCT القوية، تهدف مجموعة البيانات إلى تعزيز دقة حساب الجرعة، خاصة في العلاج بالبروتونات، حيث يكون التخطيط التشريحي الدقيق أمرًا حيويًا. تشمل اتجاهات البحث المستقبلية دمج خوارزميات sCT المتقدمة في سير العمل السريري وتوسيع مجموعة البيانات لتشمل مناطق تشريحية إضافية وطرق تصوير. بشكل عام، من المتوقع أن تدفع مجموعة بيانات SynthRAD2025 تقدمًا كبيرًا في رعاية السرطان الشخصية من خلال تحسين تقنيات توليد الصور في العلاج الإشعاعي.
قيود
يسلط قسم القيود الضوء على عدة تحديات مرتبطة بتصميم الدراسة متعدد المراكز. بينما يعزز هذا التصميم تنوع مجموعة البيانات، فإنه يقدم أيضًا تباينًا في بروتوكولات التصوير، بما في ذلك الاختلافات في تسلسلات MRI، ومعلمات الاستحواذ للتصوير المقطعي بالكمبيوتر (CBCT)، وطرق إعادة بناء التصوير المقطعي (CT). تعقد هذه التباينات تطوير خوارزميات توليد التصوير المقطعي الاصطناعي (sCT) القابلة للتطبيق عالميًا، حيث يمكن أن تعيق عدم تجانس خصائص الصورة عبر مجموعات البيانات أداء الخوارزميات.
بالإضافة إلى ذلك، تحدد المخاوف الأخلاقية وخصوصية البيانات من توفر خصائص المرضى التفصيلية، مثل العمر، والجنس، ونوع الورم، والتصنيف، عبر مراكز مختلفة. تعيق هذه القيود تحليلات المجموعات الفرعية وتقييم أداء الخوارزميات في مجموعات مرضى محددة. على الرغم من بذل الجهود لتضمين خصائص المرضى في ملفات البيانات الوصفية، قد تؤثر خط أنابيب المعالجة المسبقة المصمم لتوحيد البيانات بشكل غير مقصود على جودة البيانات. على سبيل المثال، قد تؤدي خوارزمية إزالة التعرف الآلي، على الرغم من فعاليتها، إلى إزالة الهياكل غير الوجهية في بعض الأحيان، وقد تختلف دقة أقنعة حدود المرضى. علاوة على ذلك، قد يحد غياب التصوير المقطعي المشوه في مجموعة بيانات التدريب لتحدي SynthRAD2025، المصمم لمنع التحيز في أساليب التعلم العميق، من تدريب النماذج التي تعتمد على تسجيل الصور القابلة للتشويه. لدعم المشاركين، تم جعل خط أنابيب تسجيل الصور القابلة للتشويه المستخدم للتحقق والاختبار متاحًا للجمهور.
DOI: https://doi.org/10.1002/mp.17981
PMID: https://pubmed.ncbi.nlm.nih.gov/40665582
Publication Date: 2025-07-01
Author(s): Adrian Thummerer et al.
Primary Topic: Advanced Radiotherapy Techniques
Overview
The research paper section outlines the significance of medical imaging in radiotherapy, particularly emphasizing the role of synthetic imaging techniques like synthetic computed tomography (sCT). The SynthRAD2025 dataset and the SynthRAD2025 Grand Challenge are introduced as initiatives designed to enhance the development and benchmarking of synthetic CT generation algorithms utilizing cone-beam CT (CBCT) and magnetic resonance imaging (MRI).
The dataset consists of 2362 cases, including 890 MRI-CT pairs and 1472 CBCT-CT pairs from cancer patients across various anatomical regions, collected from five European university medical centers. Rigorous pre-processing methods, including both rigid and deformable image registration, were employed to ensure high-quality image alignment and consistency. The imaging data is formatted in MetaImage (.mha) for compatibility with standard medical imaging tools, and accompanying metadata is provided for detailed acquisition and registration information.
In conclusion, the SynthRAD2025 dataset serves as a vital resource for the radiotherapy research community, facilitating advancements in personalized cancer care through improved synthetic CT generation. Researchers are encouraged to recognize the dataset’s limitations while striving to create robust and clinically applicable algorithms. The forthcoming release of validation and test sets post-challenge is expected to further support the refinement of these methodologies.
Introduction
The introduction highlights significant advancements in image-guided and adaptive radiotherapy over the past decade, which have improved cancer treatment outcomes through precise dose delivery while minimizing damage to healthy tissues. Traditional computed tomography (CT) imaging is the gold standard for treatment planning due to its provision of essential electron density information for accurate dose calculations. However, the limitations of frequent CT imaging—such as time consumption, cost, and additional radiation exposure—have led to the adoption of alternative modalities like cone-beam CT (CBCT) and magnetic resonance imaging (MRI). While CBCT offers integration with treatment machines for daily patient alignment, its image quality is often inferior to diagnostic CT, limiting its use for dose calculations. Conversely, MRI provides superior soft-tissue contrast without ionizing radiation, but it lacks the necessary electron density information for direct dose calculations.
To overcome these challenges, there is growing interest in generating synthetic CTs (sCT) from CBCT and MRI data, which can facilitate accurate dose calculations and improve organ-at-risk and target volume segmentation. The introduction of the SynthRAD2023 challenge provided a large-scale public dataset for comparing synthetic CT generation methods, addressing the scarcity of public datasets in this field. Building on this success, the SynthRAD2025 challenge offers an expanded dataset that includes additional anatomical locations, aiming to support research in medical image synthesis for radiotherapy. This initiative is expected to enhance the development and validation of sCT generation algorithms, ultimately promoting advancements in personalized cancer care.
Methods
In the “Acquisition and Validation Methods” section, the authors outline the systematic approach employed to gather and validate data for their study. They detail the specific techniques used for data acquisition, which may include surveys, experiments, or observational studies, ensuring that the methods align with the research objectives. The validation process is described as rigorous, involving statistical analyses and cross-validation techniques to confirm the reliability and accuracy of the collected data.
The authors emphasize the importance of employing standardized protocols to minimize bias and enhance the reproducibility of the results. They also discuss the criteria for selecting participants or data sources, ensuring that the sample is representative of the population under investigation. Overall, the section underscores the methodological rigor that underpins the research, contributing to the credibility of the findings presented in the subsequent sections.
Discussion
The SynthRAD2025 dataset represents a significant advancement in the field of synthetic CT (sCT) generation for radiotherapy, providing a large-scale, multi-center resource that facilitates the development and benchmarking of algorithms for MRI-to-CT and CBCT-to-CT conversion. Comprising 2,362 cases from five European medical centers, the dataset includes diverse imaging protocols and patient populations, enhancing the generalizability of research findings. The dataset is structured into two primary tasks: Task 1 focuses on MRI-to-CT conversion, while Task 2 addresses CBCT-to-CT translation, both critical for improving adaptive radiotherapy workflows. The comprehensive preprocessing pipeline ensures high-quality data, including steps such as rigid registration, defacing for patient anonymity, and standardization of image parameters.
The implications of the SynthRAD2025 dataset are profound, particularly for adaptive radiotherapy, as it addresses challenges related to image quality and electron density information. By enabling the development of robust sCT generation algorithms, the dataset aims to enhance dose calculation accuracy, especially in proton therapy, where precise anatomical mapping is crucial. Future research directions include integrating advanced sCT algorithms into clinical workflows and expanding the dataset to encompass additional anatomical regions and imaging modalities. Overall, the SynthRAD2025 dataset is poised to drive significant advancements in personalized cancer care through improved image synthesis techniques in radiotherapy.
Limitations
The section on limitations highlights several challenges associated with the multi-center design of the study. While this design enhances the diversity of the dataset, it also introduces variability in imaging protocols, including differences in MRI sequences, cone beam computed tomography (CBCT) acquisition parameters, and computed tomography (CT) reconstruction methods. This heterogeneity complicates the development of universally applicable synthetic CT (sCT) generation algorithms, as the lack of homogenous image characteristics across datasets can hinder algorithm performance.
Additionally, ethical and data privacy concerns limit the availability of detailed patient characteristics, such as age, sex, tumor type, and staging, across different centers. This restriction impedes subgroup analyses and the evaluation of algorithm performance in specific patient populations. Although efforts were made to include patient characteristics in metadata files, the preprocessing pipeline designed to harmonize the data may inadvertently affect data quality. For instance, the automated defacing algorithm, while effective, may occasionally remove non-facial structures, and the patient outline masks may vary in accuracy. Furthermore, the absence of deformed CTs in the training dataset for the SynthRAD2025 challenge, intended to prevent bias in deep learning approaches, may limit the training of models that depend on deformable image registration. To support participants, the deformable image registration pipeline used for validation and testing has been made publicly available.