肝癌是全球第二大致死的癌症。尽管手术可以带来相对较好的生存率，但超过70%的患者由于肝功能受损或者其他问题无法进行手术。经动脉化疗栓塞和经皮射频消融等其他治疗方法也受到肿瘤位置和大小的限制。目前，立体定向放射治疗（SBRT）已成为肝癌最常见的无创治疗手段。早期的临床结果显示SBRT能够给患者带来良好的获益，而肿瘤定位的精准性对于提高肝脏SBRT的局部控制率至关重要。

目前，随着加速器X射线成像设备的普及，锥形束计算机断层扫描（CBCT）是肝脏SBRT中最常用的靶区定位成像方式。然而，呼吸运动、散射、波束硬化和欠采样引起的各种伪影会极大地影响CBCT的图像质量。为了解决CBCT的局限性，近年来引入了MRI引导的直线加速器，可以提供优越的软组织对比度。然而，由于其高昂的成本和技术限制，尚未得到普及。因此，临床上迫切需要开发一种能被广泛使用的机载成像技术，为肝脏SBRT靶区定位提供良好的软组织对比度。

为了满足这一临床需要，本研究探讨了从CBCT生成合成MRI的可行性，并开发了一种基于U-Net结构的深度学习模型。该模型仅用于肝脏肿瘤定位，是特定于肝癌患者的CBCT和MRI，并以MRI作为训练的真值。使用结构相似性指数（SSIM）、峰值信噪比（PSNR）、均方误差（MSE）和互信息（MI）对生成的合成MRI与MRI真值进行定量评估。训练数据集由在治疗计划阶段使用不同日期获得的计划CT和计划MR图像模拟的CBCT来构建。数据扩充方法包括模拟变形、平移和旋转，用于增加数据集，以满足模型训练的需要。该模型经过训练后，可以从每日CBCT图像中生成合成MRI用于靶区定位。研究结果显示，合成MRI表现出极好的软组织对比度和清晰的肿瘤显影。平均而言，合成MRI的PSNR、MSE和SSIM分别达到28.01、0.025和0.929，优于CBCT图像。

Patient-specific synthetic magnetic resonance imaging generation from cone beam computed tomography for image guidance in liver stereotactic body radiation therapy 发表于Precision Radiation Oncology杂志2022年第6卷第2期。Precision Radiation Oncology杂志，也被称为Blue Journal，致力于为用户打造一个全面开放获取（OA）平台，分享放射肿瘤学基础和临床研究信息。目前，作者或其资助人将不需要支付文章发表费用（APC），经同行评审之后接受出版的稿件可以立即免费阅读、下载和分享。获取本篇文章，请登录我刊官方网站：

https://onlinelibrary.wiley.com/doi/full/10.1002/pro6.1163