2026.7.15
本文提出VQ-DoseNet，用向量量化稳定解剖编码，并通过患者条件随机潜变量生成多个临床可行的放疗剂量分布。
Title题目
01
VQ-DoseNet：用于随机放疗剂量预测的向量量化模型
VQ-DoseNet: A vector quantized model for stochastic radiotherapy dose prediction
文献速递介绍
02
本文关注自动化放疗剂量预测中的一个核心矛盾：临床放疗计划并不是单一答案，同一解剖结构下可能存在多个在靶区覆盖和危及器官保护之间权衡不同、但均可接受的剂量分布。传统知识库计划方法依赖手工几何特征，通常只能预测DVH统计量而非体素级三维剂量。近年来深度学习模型虽然可直接预测剂量分布，但大多是确定性模型，只输出一个接近条件均值的剂量图。当训练数据中存在多个合理计划时，这类均值化预测可能导致剂量梯度被过度平滑，甚至生成不对应任何真实可交付计划的剂量模式。为解决这一问题，作者提出VQ-DoseNet，通过向量量化编码稳定解剖内容，通过随机潜变量表达患者特异的剂量变异，并用AdaIN在解码阶段注入这种变异，从而生成一组解剖一致、临床合理的剂量预测。
相关工作
相关工作被分为解剖表征与不确定性建模两条线索。解剖表征方面，早期2D CNN难以保证体积一致性，U-Net和ResNet类结构改善了空间建模能力，注意力机制进一步增强长程依赖，但连续潜空间容易模糊解剖边界并将解剖结构与剂量变异耦合在一起。VQ-VAE和VQ-GAN等向量量化方法通过离散码本表征潜空间，有助于保留结构细节和稳定语义模式，因此本文采用VQ编码器来固定解剖内容。预测不确定性方面，贝叶斯CNN多给出置信度而非多个具体剂量实现，GAN可能出现模式坍塌，扩散模型虽具备随机生成能力但采样成本高。本文的定位是在较低计算成本下，将VQ稳定的内容编码、教师-学生KL对齐的随机变异潜变量和AdaIN调制结合起来，直接生成多个剂量方案。
Aastract摘要
03
放疗计划制定通常耗时且依赖人工计划经验，而现有深度学习剂量预测模型多为确定性输出，难以反映同一患者可存在多种临床可接受计划的事实。本文提出VQ-DoseNet，将解剖内容编码与剂量变异建模解耦：用向量量化编码器保留稳定解剖结构，用教师-学生KL对齐学习患者条件的剂量变异潜变量，并通过AdaIN调制解码器生成剂量图。实验在院内鼻咽癌、多部位数据和OpenKBP数据集上验证，模型在院内数据达到0.106 Gy MAE，在OpenKBP上取得3.608±1.267 Gy剂量分数和1.329±1.934 Gy DVH分数。多次随机采样结果显示，模型能在保持靶区覆盖和危及器官剂量约束的同时产生受控、解剖一致的剂量变化，优于简单高斯噪声扰动。
Method方法
04
VQ-DoseNet由三部分组成：向量量化解剖结构编码器、个性化剂量变异编码器和剂量分布解码器。解剖编码器输入CT和ROI掩膜，经卷积、残差块、注意力模块和下采样得到连续潜特征，再用512个、维度512的码本进行最近邻向量量化，得到离散解剖码zq。剂量变异编码器学习一个低维患者条件高斯潜变量zs，学生分支仅输入CT和ROI，输出均值和方差；训练时另有教师分支输入CT、ROI和真实剂量，得到剂量知情的潜分布。学生分布通过KL散度向教师分布对齐，使推理时即使没有真实剂量，也能从解剖信息中预测符合临床实践的剂量变异。解码器以zq为解剖内容，以重参数化采样的zs为风格信号，通过MLP生成各层AdaIN的通道缩放和偏移参数，对解码特征统计进行调制，从而在不破坏空间结构的前提下改变剂量模式。训练损失包括全体素MAE剂量损失、ROI加权MAE、感知损失、VQ码本与commitment损失以及教师-学生KL对齐损失。模型使用PyTorch训练200轮，batch size为16，优化器为Adam。
实验
实验数据包括院内鼻咽癌、直肠癌、乳腺癌队列以及OpenKBP公开数据集。院内鼻咽癌数据包含76例VMAT计划，并为每例通过调整危及器官优化权重生成5个临床可交付重计划，用于模拟计划间变异；直肠癌185例、乳腺癌231例主要用于跨部位鲁棒性评估；OpenKBP包含340例头颈部病例，按200/40/100划分训练、验证和测试。评价指标方面，院内数据使用体素MAE以及D2、D95、Dmean、V30等临床DVH指标，随机模型每例生成50次采样并取患者内中位数；OpenKBP采用官方dose score和DVH score。确定性评估中，作者将随机因子设为0，并与U-Net、DeepLabV3+、C3D、DoseDiff等方法比较。院内鼻咽癌数据上，VQ-DoseNet的MAE为0.106 Gy，低于U-Net的0.185 Gy、DeepLabV3+的1.313 Gy和C3D的0.170 Gy，并更好保持PTV-OAR界面的陡峭剂量梯度。直肠和乳腺数据上MAE分别为1.003 Gy和0.610 Gy，显示一定跨部位泛化能力，但误差常出现在射束路径附近。OpenKBP上，VQ-DoseNet取得3.608的dose score和1.329的DVH score，体素误差不一定最低，但DVH表现具有竞争力，说明其更偏向保持临床剂量学一致性。随机预测实验中，院内鼻咽癌每例进行50次独立预测，VQ-DoseNet的平均MAE为0.113 Gy，而简单高斯噪声基线为0.182 Gy，表明学习到的随机扰动比无结构噪声更贴近临床可行变化。OpenKBP上100例测试病例各重复50次，共5000个剂量分布，平均dose score为3.73±1.24 Gy，DVH score为1.35±1.10 Gy，靶区存在轻度低估，但危及器官预测围绕参考值窄幅波动。消融实验显示，ROI掩膜输入、ROI加权损失、VQ离散编码和联合训练都对性能重要；替换为VAE会造成PTV剂量低估，加入VQ-GAN虽边界更锐利但在小数据下更易过拟合，两阶段训练也不如重建和KL对齐联合优化稳定。
Discussion讨论
05
作者强调，本文的随机性目标不是单次预测更准确，而是让模型能够表达临床可接受剂量方案的可行空间。VQ编码器将解剖结构稳定在离散码本中，患者条件潜变量通过教师-学生KL对齐学习剂量偏好，再由AdaIN注入解码器，因此随机变化主要集中在高剂量梯度等临床相关区域，而不是全局无意义扰动。与高斯噪声相比，VQ-DoseNet具有更低MAE和更窄DVH分布，说明其变异受解剖与剂量学关系约束。两阶段训练结果表明，仅先学习重建再学习对齐会导致过拟合或缺少输出监督，联合训练更能把随机信息与空间保真度结合。局限方面，当前模型因GPU限制采用2D实现，未显式编码射束方向或通量，导致射束路径残差；未在同一设置下充分比较attention U-Net、Res U-Net或更强Transformer/3D结构；院内多计划生成策略只是统一比例调整OAR权重，未充分模拟患者特异的复杂权衡；此外，虽然模型能随机生成多个计划，但尚不能以可解释方式控制变化方向，例如主动偏向靶区覆盖或OAR保护。
Conclusion结论
06
VQ-DoseNet是一个面向放疗剂量预测的概率框架，通过向量量化解剖内容编码、患者条件剂量变异潜变量、教师-学生KL对齐和AdaIN调制，实现无需真实剂量输入的多样化剂量采样。院内和OpenKBP实验表明，该方法在保持竞争性体素精度的同时，具有较好的DVH一致性和受控随机变化能力。与简单高斯扰动相比，学习到的随机机制更接近临床合理的剂量变异；消融实验也证明联合优化解剖表征、随机变异和重建任务的重要性。整体而言，本文证明了在放疗剂量预测中引入受控随机性是可行的，并有望为自动计划生成和多方案探索提供更真实的剂量参考。
Figure图
07
图1.
该图展示训练和推理两阶段的核心流程。训练时，教师编码器输入CT、ROI和计划剂量，得到剂量知情的潜分布；学生编码器只输入CT和ROI，并通过KL损失向教师分布对齐。解剖结构经VQ编码得到离散内容码，随机剂量变异潜变量经AdaIN调制解码器生成剂量图。推理时只保留学生分支，因此不需要真实剂量即可从CT和ROI生成多个剂量预测。
图2.
该图细化了模型架构，包括左侧的解剖结构编码器、中间的剂量分布解码器和右侧的个性化剂量变异编码器。解剖编码器通过卷积、残差与注意力模块提取特征并进行向量量化；变异编码器输出低维潜变量并重参数化；解码器在多个残差块中用AdaIN注入潜变量信息，实现结构保持下的剂量模式调制。
图3.
该图比较VQ-DoseNet与U-Net、DeepLabV3+、C3D在一个院内NPC病例上的剂量图、误差图和DVH曲线。VQ-DoseNet在靶区和危及器官交界处保留更清晰的高梯度剂量变化，误差分布更小，DVH虚线与真实曲线更接近，支持其在院内数据上0.106 Gy MAE的优势。
图4.
该图展示OpenKBP代表病例中不同模型的预测剂量、差异图和DVH曲线。VQ-DoseNet的高剂量区域和射束路径特征较清晰，视觉效果接近C3D和DoseDiff，并在DVH曲线上表现出较好的临床一致性，说明其虽然不一定取得最低体素误差，但能保持较好的剂量学结构。
图5：
该图用箱线图比较VQ-DoseNet重参数化随机机制和简单高斯噪声机制在多次迭代中的MAE分布。VQ-DoseNet平均MAE为0.113 Gy，显著低于高斯噪声的0.182 Gy，说明其随机性不是任意噪声，而是受患者解剖和剂量关系约束的可控变异。
图6：
该图展示三个测试病例中每例五次随机采样得到的剂量图和相对参考剂量的误差图。多次预测之间存在轻微差异，主要集中在高梯度区域，但靶区覆盖和危及器官保护保持一致，说明模型能够生成临床合理而非随意扰动的剂量变化。
图7.
该图汇总OpenKBP 100个测试病例、每例50次随机预测得到的DVH指标分布。多数OAR指标沿真实值附近分布，PTV指标存在一定低估趋势，表明模型在大规模随机采样下仍能维持总体剂量学一致性，同时暴露出靶区覆盖略偏保守的问题。
图8.
该图比较无ROI掩膜、无mask损失、VAE替代VQ、VQ-GAN和完整VQ-DoseNet的剂量图、误差图与DVH曲线。结果显示ROI输入和ROI加权损失对靶区覆盖至关重要，VQ比连续VAE更能保留高梯度细节，而VQ-GAN可能因数据有限带来高剂量区误差，完整模型综合表现最好。
图9.
该图对比Phase 1、Phase 2和完整VQ-DoseNet在代表性NPC病例上的剂量图和DVH曲线。两阶段训练要么仅优化重建而易过拟合，要么仅对齐潜分布而缺少重建监督，导致PTV偏差和DVH尾部误差更大；完整模型通过联合优化得到更稳定的剂量分布。
