三维可视化引导放疗摆位系统的研发及临床应用

目的 开发一种三维可视化技术辅助放疗患者摆位,并对比分析其在乳腺和盆腔放疗中与传统摆位方法的差异。方法 选取2020年6月至2021年4月常州第二人民医院40例放疗患者作为研究对象,其中乳腺、盆腔患者各20例。利用患者定位CT数据进行三维可视化重建,并将三维可视化模型与真实治疗环境融合,通过交互操作使得三维可视化模型位于加速器等中心点,并以此为依据进行实际患者的摆位。每例患者每周先进行传统摆位、再进行三维可视化引导放疗摆位,分3周采集,所有患者共240次摆位数据,以锥形束CT （CBCT）引导的摆位作为金标准进行比较。结果 乳腺患者和盆腔患者三维可视化引导摆位x、y、z轴摆位误差绝对值后分别为（1.92±1.23）、（2.04±1.16）、（1.77±1.37） mm和（2.07±1.08）、（1.33±0.88）、（1.99±1.25） mm,各轴精度较传统摆位分别提高了38.83%、52.40%、33%和36.84%、54.04%、52.58%,y、z轴上的差异具有统计学意义（t=2.956~5.734,P<0.05）。同时,对于乳腺患者,两种摆位方法y方向误差分布具有统计学意义（χ²=7.481,P<0.05）,对于盆腔患者,两种摆位方法在各轴的误差分布差异均有统计学意义（χ²=5.900、6.415、7.200,P<0.05）。结论 三维可视化技术引导放疗摆位方法有效提高了乳腺和盆腔患者的摆位精度,具有潜在的临床应用价值。     

医学图像合成方法研究进展

医学图像具有重要临床作用，但同时采集多模态图像存在困难，医学图像合成应运而生。图像合成指将某种变换作用于一组给定的输入图像，生成与真实图像足够接近的新图像，其方法主要有基于地图集配准方法、基于强度变换方法、基于学习和基于深度学习方法。本研究针对医学图像合成方法、存在问题及发展方向进行综述。