基于运动想象的脑电信号特征提取与分类

目的：以在已知类别的2种运动想象任务下采集的EEG信号为训练样本,识别测试样本中的运动想象任务。方法：在频域范围内,采用AR模型功率谱估计法所得C3、C4通道的功率谱密度,确定ERD/ERS较明显的频率范围;在时域范围内,比较C3、C4通道信号的能量差异,确定ERD/ERS较明显的时间段。采用带通滤波和小波包分析的方法提取训练集想象运动过程中ERD/ERS生理现象较明显的节律信号,分别采用线性分类器、支持向量机（SVM）实现测试集运动想象脑电数据的分类。结果：分类最佳正确率为87.14%。结论：小波包分析法能够较准确地提取想象左、右手运动的脑电信号的本质特征,结合支持向量机实现较好的抗干扰能力和分类性能。     

不同配准算法对晚期食管癌自适应放疗累积剂量的影响

目的:研究不同配准方法对晚期食管癌自适应放疗累积剂量的影响并为临床应用提供指导。方法:选取11例不可 手术的晚期食管癌患者，将两程放疗计划均导入Velocity 软件，并以第二程计划CT图像（CTB）作为primary image，第一 程计划CT 图像（CTA）作为secondary image，用4 种配准方法，即Rigid（Rd）、Deformable Multi Pass（DMP）、Rigid+ Deformable Multi Pass（Rd+DMP）、Rigid+Extended Deformable Multi Pass（Rd+EDMP）进行图像配准及剂量叠加。采用 危及器官（OAR）相似性指数（DSC）来评价不同配准方式的精确度，并采用配对t检验和秩和检验分析不同配准方式下靶 区和OAR累积剂量的差异。结果:DMP和Rd+DMP配准下肝、脊髓和脊髓外扩3mm的DSC均高于Rd+EDMP、Rd（P<0.05）， Rd 方法下心脏的DSC略大于Rd+EDMP（P=0.02）。不同配准方法下靶区累积剂量表现为:Rd+DMP、Rd+EDMP方法下 PGTV的D50%、Dmean略低于Rd 方法（P=0.035, 0.044）。Rd+DMP 方法下PGTV的V100%稍高于DMP（P=0.026），且比Rd+ EDMP 方法高0.653%（P=0.008）。Rd+DMP 方法下PGTV-nd 的D98%、V105% 略高于DMP（P=0.046，0.023），Rd 方法下 PGTV-nd 的V100%分别比DMP、Rd+DMP方法高2.118%、2.137%（P=0.028，0.037）。PTV1 在不同配准方法下累积剂量均 无统计学意义（P>0.05）。4 种不同配准方法下OAR累积剂量表现相对一致，DMP 方法下肺的V10 Gy、V20 Gy、V30 Gy、V40 Gy、 Dmean及心脏的V20 Gy、V30 Gy、V40 Gy、Dmean均低于Rd方法（P<0.05）。同样，DMP方法所得脊髓的Dmean均分别比Rd+DMP、Rd+ EDMP方法低（P<0.05）。肝和脊髓外扩3 mm在以上4种配准方法下累积剂量的剂量学分析中，各参数均无统计学意义。 结论:DMP、Rd+DMP配准精度相对较优、且DMP方法下OAR累积剂量一致性低于其它3种配准方法，故DMP方法可作 为晚期食管癌自适应放疗累积剂量评估的优选方案。     

基于磁共振图像手工勾画宫颈癌危及器官稳定性分析

目的 以宫颈癌MR图像为基础,分析不同勾画者、同一勾画者不同时间手工勾画危及器官（OARs）的稳定性,为放疗计划设计的序列选择进行初步探索。方法 回顾性分析中山大学肿瘤防治中心放疗科2016—2018年经MR-sim扫描的30例宫颈癌患者,选取共有的T1WI、T1dixonc和T2WI 3序列MR图像导入Monaco计划系统,由两位临床放疗医师独立在每个患者3个序列上分别勾画膀胱、直肠、肛管、左/右股骨头。其中一位医师在完成首次勾画工作后的一个月再次完成T1WI序列及各OARs的勾画。统计分析各OARs的相似性系数（DSC）、豪斯多夫距离（HD）和位置差异（Δx、Δy、Δz）。结果 不同勾画者在T1WI、T1dixonc、T2WI序列和同一个勾画者在T1WI序列上勾画5个OARs的HD值均<2 mm;位置差异均<5 mm。不同勾画者和同一个勾画者不同时间勾画的DSC、HD及位置差异与OARs体积呈正相关性（R=0.178~0.582,P<0.05）。因肛管体积较小（7.385±1.555）cm³,DSC值均<0.7表现稍差外,其余OARs平均DSC值均>0.82。通过两两比较3个序列上不同勾画者勾画OARs的DSC、HD发现,T1WI序列直肠、左/右股骨头的DSC值、膀胱、左/右股骨头、直肠的HD值以及肛管、右股骨头Δz轴差异均优于T1dixonc,差异有统计学意义（t=-3.116~3.604,P<0.05）;T1WI序列直肠DSC值和肛管HD值较T2WI序列好（t=2.934、3.677,P<0.05）;T1dixonc序列直肠DSC、肛管HD差异稍优于T2WI（t=6.806、2.130,P<0.05）;T2WI序列勾画骨组织（左/右股骨头）稳定性优于T1WI、T1dixonc,且差异均具有统计学意义（t=-6.580~6.542,P<0.05）。结论 基于MR图像的不同勾画者和同一勾画者不同时间勾画膀胱、直肠、股骨头稳定性较好,肛管次之。且T1WI序列OARs勾画稳定性较优于T1dixonc、T2WI。     

鼻咽癌放疗中自适应再计划体积与剂量的变化

目的探讨鼻咽癌(NPC)放疗中自适应再计划的必要性和对剂量的改善。方法回顾性分析2014年7月—2017年12月中山大学肿瘤防治中心的89例NPC患者数据, 患者均接受25+7分次的自适应再计划放疗。比较第一次CT扫描设计的放疗计划(计划A, 25分次)与重新扫描CT后设计的自适应放疗计划(计划B, 7分次)之间靶区和腮腺体积的改变。比较由计划A模拟扩展成32分次放疗的一次性计划(计划Ⅰ)与由计划A和计划B配准融合叠加生成的自适应再计划(计划Ⅱ)的靶区剂量学、均匀性指数、适形指数(CI)差异和危及器官(OAR)的剂量学差异。主要采用配对t检验进行统计分析。结果与计划A相比, 计划B的大出血病变的大体肿瘤体积(GTVnx)和腮腺体积分别缩小13.14%和11.12%, 转移淋巴结的计划临床靶区(PCTVnd)增大了7.75%(均为P<0.001)。计划Ⅱ中大出血病变计划靶区(PTVnx)的Dmean、D5%、D95%和高危计划靶区(PTV1)的D5%与计划Ⅰ相比均明显增大(均为P<0.05);计划Ⅱ中PTVnx和PTV1的CI比计划Ⅰ更接近1。在所有评估的OAR中, 计划Ⅱ的...     

基于Mu/Beta节律的想象运动脑电信号特征提取

背景：不同的运动会产生不同的脑电信号,脑机接口技术就是利用脑电信号的特异性,通过现代信号处理技术和外部的连接实现人脑与外部设备的通信。以实现脑机接口在线研究的目标,首先要解决的是脑电信号处理的速度问题。 目的：研究快速、准确地提取脑电信号特征及分类的方法。 方法：充分利用想象运动过程中,脑电信号中Mu/Beta节律的事件相关同步化和去同步化特性,以2003年BCI竞赛数据为处理对象,采用带通滤波和小波包分析的方法提取Mu、Beta节律,提取C3、C4两通道上的能量平均值形成二维特征向量,利用matlab自带的classify函数进行分类。 结果与结论：通过对训练数据进行测试得到较为合适的参数,利用该参数对同等条件下的训练数据和测试数据分别进行判别,分类正确率分别达到87.857%和88.571%。 关键词：特征提取与分类;脑电信号;事件相关同步化/去同步化;想象运动;小波包分析     

宫颈癌放疗结构命名标准化的实现

目的 基于AAPM TG-263实现宫颈癌放疗危及器官(OAR)和靶区命名标准化。方法 采用Matlab软件自编程实现放疗结构文件的读取与解析后,逐一自动输出、记录、存储每个子结构命名。对所有子结构命名统计整理后,以关键词对结构名进行归类。根据TG-263制定OAR和靶区标准命名转换表,并通过程序对归类后的结构名进行标准化处理。最后,输出标准化命名后的放疗结构文件,并导入计划系统。结果 144例宫颈癌患者的放疗结构均成功转化,并在放疗计划系统中正确显示。转化前OAR和靶区的命名缺乏统一的规范与标准,同一结构的命名存在较大的差异;转化后将43种OAR、74种靶区的命名方式分别规范统一成20种与8种,方便工作人员的理解与沟通。结论 实现宫颈癌放疗结构命名标准化,可减少命名的不一致性,并为盆腔肿瘤命名标准化提供参考。     

基于Mu/Beta节律想象运动脑电信号特征的提取

背景:不同的运动会产生不同的脑电信号,脑机接口技术就是利用脑电信号的特异性,通过现代信号处理技术和外部的连接实现人脑与外部设备的通信.以实现脑机接口在线研究的目标,首先要解决的是脑电信号处理的速度问题.目的:研究快速、准确地提取脑电信号特征及分类的方法.方法;充分利用想象运动过程中,脑电信号中Mu/Beta节律的事件相关同步化和去同步化特性,以2003年BCI竞赛数据为处理对象,采用带通滤波和小波包分析的方法提取Mu、Beta节律,提取C3、C4两通道上的能量平均值形成二维特征向量,利用matlab自带的classify函数进行分类.结果与结论:通过对训练数据进行测试得到较为合适的参数,利用该参数对同等条件下的训练数据和测试数据分别进行判别,分类正确率分别达到87.857%和88.571%.     

基于自适应Unet网络的鼻咽癌放疗危及器官自动分割方法

目的 探讨鼻咽癌放射治疗中的危及器官（OARs）的自动分割的准确性。方法 在自动分割模型研究中,经CT扫描和医生手动分割后,选取147例鼻咽癌患者的CT图像及其对应勾画的OARs结构,并对其进行完全随机化分组,分成训练集（115例）、验证集（12例）、测试集（20例）。采用自适应直方图均衡化对CT图像进行预处理。利用端到端训练提高建模效率,实现一种基于三维Unet的改进网络（AUnet）,将器官大小作为先验知识引入卷积核大小设计中,使网络能自适应地提取不同大小器官的特征,从而提高模型的性能。比较自动与手动分割的DSC（Dice Similarity Coefficient）系数和豪斯多夫（HD）距离以验证AUnet网络的有效性。结果 测试集的平均DSC和HD分别为0.86±0.02和4.0±2.0 mm。除视神经、视交叉外,AUnet与手动分割结果无统计学差异（P>0.05）。结论 引入自适应机制后,AUnet能较为准确地实现基于CT图像对鼻咽癌的危及器官的自动分割,临床应用中可大幅度提高医生的工作效率及分割的一致性。     

算法和射野设置对肺癌容积旋转调强计划的剂量学影响

目的 分析不同剂量计算算法和不同射野设置对肺癌容积旋转调强计划(VMAT)的剂量学差异,为临床计划设计提供参考。方法 选择20例肺癌患者,分别设计4组VMAT计划:基于各向异性解析算法(AAA)的2野2弧(2F2A_AAA)、基于外照射光子剂量算法(AXB)射的2野2弧 (2F2A_AXB)、基于蒙特卡罗算法(MC)的2野2弧(2F2A_MC)、基于MC算法的1野2弧(1F2A_MC)。分别对不同算法、不同射野设置的计划,在靶区覆盖、高量控制、剂量均匀性指数(HI)、适形性指数(CI),以及危及器官(OARs)受照剂量进行评估。结果 3组不同算法的2F2A计划靶区结果表明,2F2A_MC在PGTV的D_1%和V_95%(受到95%处方剂量所包绕的靶区相对体积)上均优于2F2A_AAA(D_1%:t=-2.44,P=0.03;V_95%:z=-2.04,P=0.04)和2F2A_AXB(D_1%:t=2.34, P=0.03; z=-3.21,P<0.01)。 2F2A_AXB在PGTV的CI表现上优于2F2A_AAA(z=-3.66,P<0.01),与2F2A_MC相当。就危及器官而言,2F2A_AXB和2F2A_MC全肺的V_{5 Gy}上分别较2F2A_AAA减少了0.68%(z=-2.69,P=0.01)和3.05%(z=-3.52,P<0.01)。2F2A_AXB计划在全肺D_mean为1776.44 cGy,均优于2F2A_MC(t=2.67,P=0.02)和2F2A_AAA(t=8.62,P<0.01)。2F2A_AXB的Body_5mm在V_{20 Gy}相较于2F2A_AAA和2F2A_MC分别减少了1.45%(z=-3.88,P<0.01)和2.01%(z=-3.66, P<0.01)。而不同射野设置的两组计划结果表明,1F2A_MC在PTV1的CI和PTV2的HI上均优于2F2A_MC(CI: t=2.61, P=0.02; HI: z=-2.20, P=0.03)。1F2A_MC在全肺D_mean相对于2F2A_MC增加了26.29 cGy(t=2.28,P=0.04)。结论 在进行肺癌VMAT计划设计时,MC算法适用于靶区优先,AXB算法适用于危及器官优先;而仅有MC算法的情况下,靶区优先时推荐选择1F2A,危及器官优先时推荐选择2F2A。     

放疗计划定量评估在宫颈癌外照射精准放疗流程管理中的应用

目的 通过对宫颈癌外照射放射治疗计划的量化评估,探究放疗计划中存在的问题以指导临床,降低出错几率,提高放疗计划质量,完善放疗流程。方法 选取2019年5月～2022年1月在中山大学肿瘤防治中心进行放射治疗的227例宫颈癌患者,将经临床批准且实施的放疗计划通过计划系统至Plan IQ^TM工作站。根据ICRU83号报告、GEC-ESTRO工作组的推荐指南及本中心临床要求制定评估指标,经高资历临床医生批准后对计划进行量化评估。总结记录放疗计划中存在的问题,同时,对评分较低的计划重新再计划,分析再计划前后的差异性。结果 通过对277例宫颈癌放疗计划分析得出：(1)靶区得分不及格主要是大体肿瘤GTV、计划靶区PGTV(CI、V_66Gy),分别为10.6%、65.2%、1%。得分0的有：计划靶区PGTV(CI)、大体肿瘤GTV、计划靶区PCTV(D_98%、HI),分别为0.4%、10.1%、0.4%、0.4%。OARs中不及格的主要是肠道(直肠、小肠、结肠),比例≥20.7%。且直肠、小肠、结肠、肾、股骨头存在得分为0的情况;(2)...