基于 GPUMCD 的快速个性化 CT 剂量计算

目的：由于计算机断层扫描（CT）检查量不断增加导致群体剂量持续上升，医学成像领域亟需更个性化的剂量估算——这绝非一项简单的任务。本研究旨在展示一个支持 GPU 的流程，该流程将自动分割与 GPU 蒙特卡罗剂量（GPUMCD）模拟相结合，利用现有患者 CT 图像提供患者特异性器官剂量 CT 剂量学报告。\n方法：利用 DICOM 头文件中的信息在 GPUMCD 内重现 CT 成像过程的动态表征，并辅以内部曝光测量数据，在均匀体模和拟人体模中进行了验证。使用 GPUMCD 和预训练的开源 nnU-net 模型（TotalSegmentator）构建了剂量计算流程。获取了来自某肺癌筛查项目的图像的器官剂量学数据，并存储于符合 DICOM 标准的结构化报告中。\n结果：在所有体模和研究所涉条件下，GPUMCD 计算的剂量值与测量值的偏差均在 5.5% 以内。使用单块 A100-SXM4-40GB GPU 时，每次 CT 检查的平均流程运行时间为 6 min 06 s。GPU 驱动的模拟和分割操作占总运行时间的 46%（2 min 7 s），数据处理（文件读取、转换和写入）占剩余的 54%。\n结论：本研究展示了在数秒内生成 CT 患者特异性三维剂量分布的能力，以及随后开展全自动大规模个性化器官剂量计算的可行性。该流程接收并生成与临床及科研环境兼容且符合 DICOM 标准的数据，从而支持常规成像剂量学和大规模回顾性剂量学研究。