基于三维预测剂量的自调节调强放疗自动计划方法

目的 开发一种基于预测剂量的自调节调强放射治疗自动计划方法,以增强自动计划的鲁棒性。方法 利用3D U-Res-Net_B网络预测出三维剂量分布后,在直接子野优化的每次迭代中先基于上次迭代结果计算当前剂量,再联合预测剂量计算目标剂量,然后以此为目标进行优化。完成所有迭代或满足循环退出条件后,得到最终的治疗计划。在30例直肠癌病例上进行测试,验证算法的效果。结果 临床计划治疗靶区的V_100%均值和标准差为（95.03±0.91）%,自动计划为（94.67±1.96）%,接近临床值（P>0.05）,而预测值为（92.90±2.13）%,与临床计划的差异具有统计学意义（t=29.0,P<0.05）;自动计划在小肠V₃₅、膀胱V₄₀、股骨头的V₂₀~V₄₀等多项指标上低于预测值和临床值,且差异具有统计学意义（t=4.5~118.0,P<0.05）,在其他危及器官的指标上与临床值的差异无统计学意义（P>0.05）。结论 本方法增强了自动计划的鲁棒性,提高了其应对复杂情况的能力。     

CT及3.0T MRI在食管癌IMRT中的价值

目的 探讨CT及3.0T MRI在食管癌IMRT计划中的价值。方法 选取2013-2015年本院放疗科首次确诊并行根治性IMRT的食管癌患者35例,分别在CT及MRI T2WI与DWI融合图像上勾画靶区,以相同处方剂量和OAR限制剂量分别制定计划,比较2种计划的靶区体积、处方剂量及OAR受量差异。配对t检验差异。结果 2种计划的剂量分布及计划参数均达到了临床处方剂量要求。基于3.0T MRI计划的病灶长度、VGTV和VPTV均小于CT计划(P=0.00、0.03、0.03)。2种计划的PGTV、PTV-PGTV的D2%、D98%、D50%、HI、CI差异均无统计学意义(P均>0.05)。基于3.0T MRI计划的双肺平均剂量明显低于CT计划(P=0.00),双肺实际受量亦与CT计划相近(P均>0.05)。2种计划的脊髓最大耐受量及心脏耐受量相近(P均>0.05)。结论 基于CT及3.0T MRI计划所勾画的靶区及参数均能满足临床需求,但基于3.0T MRI计划的靶区体积更小,可能会使部分OAR潜在获益。     

miR-193a-3p在食管癌细胞放射抵抗作用的初步研究

目的 探讨miR-193a-3p在食管鳞癌放射耐受性机制中的作用。方法 通过6 MV X射线对4个食管癌细胞系进行照射,采用MTT法检测出相对敏感系及耐受系细胞;茎环引物实时定量PCR法检测miR-193a-3p、miR-155、miR-22-3p在2个细胞中的表达,miR-193a-3p作为表达差异较为明显的microRNA被挑选进行下一步研究。分别合成并转染miR-193a-3p的mimic (3PM)或 antagomiR (3PA)序列及小干扰RNA (si-LOXL4)以提高或抑制其在细胞中的表达水平,MTT法和流式细胞分析术检测miR-193a-3p及其下游基因LOXL4对于放射敏感性的影响。结果 筛选出相对放射敏感细胞系(KYSE510)及耐受细胞系(KYSE410);miR-193a-3p在两系细胞中的表达水平差异显著高于miR-155、miR-22-3p (1.00:21.13);KYSE510细胞中转染mimic提高其表达后,与对照组相比,其放射敏感性降低,细胞凋亡比例显著下降11.10%(P<0.05),而KYSE410细胞中转染antagomiR后,其敏感性增加(P<0.05)。作为miR-193a-3p的下游基因,LOXL4的表达抑制也受到miR-193a-3p的调控,转染si-LOXL4降低其表达,与对照组相比放射敏感性也降低,细胞凋亡比例下降7.07%(P<0.05)。结论 miR-193a-3p可能通过调控基因LOXL4促进食管癌细胞放射耐受性。     

DeepPlan系统中快速直接子野优化在临床中的应用研究

目的 通过与Pinnacle计划系统在临床静态调强放疗（intensity modulated radiation therapy,IMRT）病例上的对比,研究自主研发的DeepPlan计划系统的快速直接子野优化模块的临床应用性能。方法 选取安徽省肿瘤医院25例肿瘤患者资料（其中6例头颈部、10例胸部和9例盆腔）,分别使用DeepPlan和Pinnacle制定静态调强放疗计划,比较两个计划系统优化后的靶区适形度和均匀性、机器跳数、子野数的差异,并针对宫颈癌病例比较剂量学参数差异。结果 两个系统中所有病例均满足临床剂量要求,DeepPlan的平均优化时间为86 s,平均剂量计算时间为8.36 s。与Pinnacle相比,DeepPlan优化出的放疗计划具有更小的机器跳数、更多的子野和更大的靶区适形度指数（conformity index,CI）,差异具有统计学意义（t=-3.208、2.912、2.875,P<0.05）;靶区均匀性指数（homogeneity index,HI）的差异无统计学意义（P>0.05）。在宫颈癌病例中,DeepPlan优化后的膀胱V₄₀低于Pinnacle （t=-5.498,P<0.05）,小肠V₂₀高于Pinnacle （t=2.581,P<0.05）。结论 DeepPlan通过图形处理器（graphics processing unit,GPU）加速能够在较短时间内完成直接子野优化,得到满足临床要求的静态调强放疗计划。与Pinnacle相比,DeepPlan系统有更好的靶区适形度和更小的机器跳数,但子野数更多,对宫颈癌病例中膀胱的保护略好,对小肠的保护略差。     

基于剂量预测的个性化放射治疗计划质量的定量评价方法

目的:提出一种基于剂量预测的放射治疗计划质量定量评价方法,并验证该方法的临床可行性和临床价值。方法:基于45例5年以上从业经验的物理师制定的直肠癌病例,训练3D U-Net网络。利用3D U-Net网络预测得到三维剂量分布后,基于剂量预测的剂量-体积直方图(DVH)指标,建立调强放射治疗(IMRT)直肠癌计划质量评估标...     

食管癌术后调强放疗剂量预测及自动计划研究

目的 探讨食管癌术后调强放疗自动计划的临床剂量学优势及所构建的3D U-Res-Net深度学习模型的剂量预测精度。方法 选取110例中上段食管癌术后调强放疗计划病例,其中90例采用九折交叉验证方式进行深度学习预测模型训练,利用获取的最优模型和自动计划的Auto-Plan引擎分别对余下20例进行三维剂量分布预测和自动计划设计,所得结果与手动调强放疗计划进行剂量学比较。结果 3D U-Res-Net预测模型等剂量面平均dice系数大于0.92,平均霍夫距离(HD₉₅)为0.58～0.62 cm;预测模型的双肺V₂₀、V₃₀、D_mean比手动计划结果略有降低(P<0.05);Auto-Plan的计划靶区D₂、D₅₀、D_mean、HI指数及双肺V₃₀都明显优于人工计划(P<0.05);三者的三维剂量分布差异性较小,靶区及危及器官DVH曲线吻合度较好。结论 Auto-Plan和3D U-Res-Net模型能分别...     

CT/MRI混合配准方法及其在放疗计划系统中的应用

旨在研究放疗中图像配准方法,特别是针对放疗中常用的CT、MRI,提出基于混合框架的配准方法,该方法主要包 括两个方面:（1）采用掩膜（Mask）提取感兴趣区域、形态学运算等图像处理方法以及CPU多线程并行技术,大幅度提高配 准速度;（2）采用由全局到局部的混合配准策略,首先利用基于仿射变换的刚性配准整体配准,以防止图像间偏差过大,在 此基础上针对感兴趣区域采用B样条弹性配准,调整局部形变。通过实验表明,采用预处理及加速策略的刚性配准,在保 持其精度的情况下,提速比可达10倍,测试结果已达到临床需求;此外,采用基于GPU加速的混合配准策略,其配准速度 提至约4 min。     

宫颈癌术后静态调强放疗与单个和2个全弧容积调强弧形治疗的剂量学比较

目的: 比较宫颈癌术后静态调强放疗(IMRT)与单个全弧容积调强弧形治疗(VMAT)(Arc1)、2个全弧VMAT(Arc2)的计划质量、治疗效率和执行精度,为临床上宫颈癌术后VMAT治疗的弧数选择提供参考依据。 方法: 选取20例宫颈癌术后患者,给以相同的处方剂量和优化参数,分别设计7个野IMRT(7F-IMRT)、Arc1和Arc2计划,比较7F-IMRT与Arc1计划和Arc2计划的计划靶体积(PTV)和危及器官(OAR)的剂量学差异、治疗计划机器跳数(MU)和执行时间,采用γ分析法评价通过率,验证治疗计划的剂量准确性。 结果: Arc2计划靶区适形度(CI)和靶区剂量均匀性(HI)均优于7F-IMRT计划(P<0.05),7F-IMRT优于Arc1计划(P<0.05);Arc2计划直肠V₅₀、小肠V₄₀和V₁₀均低于7F-IMRT计划(P<0.05),而Arc1计划的直肠、膀胱和小肠的近似最大剂量(D_2cc)、平均剂量(D_mean)和V₅₀均高于7F-IMRT计划(P<0.05或P<0.01);与7F-IMRT计划比较,Arc2计划的MU和治疗时间分别减少24%和54% (P<0.05),剂量验证的3mm/3%的γ通过率三者比较差异均无统计学意义(P>0.05)。 结论: 宫颈癌术后患者VMAT治疗,采用单个全弧难以满足临床要求,宜至少采用2个全弧,能缩短治疗时间,减少治疗中分次内误差和患者的不适感。     

基于2D/3D U-plus-net的心脏自动分割

目的:利用2D/3D U-plus-net 提高心脏自动分割的准确率。方法:收集郑州大学第一附属医院60 例患者胸部扫 描CT图像（数据A）及中国科学技术大学附属第一医院45 例患者胸部扫描CT图像（数据B）。基于改进的AlexNet 将 CT 图像分为两类:心脏CT 图像和无心脏CT 图像。在2D/3D U-net 拓扑结构基础上,通过减小网络深度、在长连接中 增加新节点、增加解码器中卷积次数的方法,得到改进后的2D/3D U-plus-net;将靠近腹部的心脏CT图像（图像张数由 预实验决定）输入3D U-plus-net,其余图像输入2D U-plus-net;采用5 倍交叉验证法对模型进行训练及测试。最后通过 Dice 系数、HD95 和平均表面距离（MSD）评估自动分割精度。结果:数据A自动分割的Dice 系数为0.941±0.012,MSD 为（3.918±0.201）mm,HD95为（5.863±0.561）mm;数据B自动分割的Dice系数为0.934±0.014,MSD为（4.112±0.320）mm, HD95 为（6.035±0.659）mm。结论:基于2D/3D U-plus-net 的分割方法提高了心脏自动分割准确率。