放疗是治疗恶性肿瘤的重要手段之一。放疗实施过程中，患者呼吸引起的内部解剖运动导致剂量偏差（Interplay效应），进而影响疗效。本研究提出了一种呼吸运动同步的全局-局部运动建模方法，通过实时体素级解剖结构重建和肿瘤定位为自适应追踪治疗提供重要条件。该研究立足精准放疗领域中的呼吸运动管理和自适应追踪治疗等问题，基于实时呼吸建模实现体素级解剖结构重建和肿瘤定位。

研究针对放疗分次内呼吸关联解剖运动/形变所致Interplay效应等问题，旨在构建一种2D X-ray投影驱动的级联DL框架用于呼吸同步3D CT体积化重建和实时肿瘤掩膜定位。研究首次采用从全局到局部的（global-to-local）的解剖运动追踪级联任务分解策略，搭建CBAM-cGAN和Swin-T-CNN网络以分别实施重建和定位任务，追踪精度由临床和TCIA公开数据验证，且管线耗时（＜200ms）满足美国医学物理师协会AAPM TG-75报告对于自适应追踪实时性要求。此外，研究还证实了角度无关投影驱动的可行性以及稀疏视角FBP和级联FSF增强等机制的有效性，为呼吸同步建模和自适应追踪治疗带来新启示。

放疗的核心目标是将高剂量辐射精准投射至肿瘤靶区，同时最大限度地保护周围的正常组织。然而，胸、腹部肿瘤会随患者呼吸发生复杂的运动与形变，这给传统静态计划下的放疗带来了巨大挑战。呼吸运动引发佛的Interplay效应导致剂量分布的不可预测性偏差。因此，实现呼吸同步的、自适应的精准放疗，关键在于能够实时、准确地追踪全局解剖和局部肿瘤运动。

本研究针对这一临床核心难题，提出了一项创新性解决方案。其核心是构建一个由二维X射线投影图像驱动的级联深度学习框架，旨在同步完成两项关键任务：呼吸同步的3D CT体积重建与实时肿瘤掩膜定位。

该研究的创新策略体现在多个层面。

首先，在方法论上，研究者创造性地采用了“从全局到局部”的级联任务分解策略。第一，利用基于CBAM注意力机制的生成对抗网络，从稀疏的二维投影中快速重建出与当前呼吸相位同步的、高质量的三维CT图像，解决“看到全局解剖结构”的问题。第二，通过高效的Swin Transformer与CNN结合的网络，在已重建出的三维CT上精准分割出肿瘤靶区的掩膜，完成“精确定位局部靶区”的任务。这种分步、级联的架构，将复杂的四维动态追踪问题分解为两个更易优化、更专注的子问题，提升了整体系统的稳健性与精度。

其次，在技术验证上，该方法的追踪精度在临床数据和公开的TCIA数据集上得到了验证，证明了模型的可靠性与泛化能力。尤为关键的是，整个处理管线的耗时被控制在200毫秒以内，可满足美国医学物理师协会AAPM TG-75报告的实时性要求，为临床实时应用奠定了坚实基础。

这项研究代表了人工智能、医学影像分析与精准放疗交叉领域的一个前沿发展方向。作者团队针对临床放疗中“实时动态解剖运动追踪”这一痛点问题，设计了一套从问题定义、方法创新到验证标准的完整解决方案。

在技术突破与集成创新方面，本研究将呼吸同步的3D重建与实时肿瘤分割两个任务级联，并赋予“全局到局部”的逻辑，这种针对不同任务特点量身定制并串联先进模型的做法，体现了深度集成创新，其整体性能超越单一网络是可以预期的。其次，在临床转化潜力方面，该研究的突出价值在于其迫切的临床导向。其设计目标直指临床应用的硬性约束，即精度与速度。在精度方面，利用临床数据和公开基准数据进行验证，增强了结论的可信度。在速度方面，将全流程耗时压缩至200毫秒以下，这意味着在每帧图像采集后，系统能在约0.2秒内完成“重建-定位”的全过程，为在治疗中近乎实时地调整射束或患者体位提供了可能的技术窗口。此外，其“2D X-ray投影驱动”的出发点极具现实意义，因为它可以无缝集成到现有装备了锥形束CT或MV级影像系统的直线加速器上，无需添置昂贵的附加成像设备，大幅降低了技术转化的门槛。

这项工作展示了深度学习技术在解决放疗核心物理难题上的强大能力。它不仅仅是一个优秀的算法模型，更是一个面向临床、具备清晰工程化路径的技术原型。它为呼吸同步自适应放疗的研究提供了一条切实可行的新路径，即以软件和算法的创新，深度挖掘和提升现有硬件平台的潜能。期待其后续能在临床原型系统开发、多中心临床试验方面继续推进，早日将这项有潜力的技术转化为惠及广大患者的可靠临床应用。

王琳琳 教授

通讯作者

山东第一医科大学附属肿瘤医院（临床肿瘤学院 副院长）博士生导师；任中国临床肿瘤学会理事、中国抗癌协会青年理事会常务委员、中国健康促进基金会肺癌专业委员会常务委员，山东省临床肿瘤学会青年委员会主任委员，山东省抗癌协会女医师分会主任委员等。

张功森

第一作者

山东第一医科大学附属肿瘤医院人工智能研究室科研人员；任山东省人工智能学会视觉应用与智能技术专委会委员。

每一项临床研究都倾注着研究团队的心血结晶。学习过后，您是否有所收获？或有疑问想与主创团队分享？请在评论区留言，期待与您交流！