基于放射组学的盆腔肿瘤不同调强放疗技术γ通过率的预测研究

目的采用基于放射组学的机器学习方法, 探索盆腔肿瘤不同调强放疗技术下γ通过率(GPR)分类预测模型的可行性, 并比较了4种集成树模型的分类性能。方法回顾性收集了409例使用不同调强放疗技术的计划, 采用基于模体测量方式的三维剂量验证结果, γ通过率标准为3%/2 mm、10%剂量阈值。提取基于剂量文件的放射组学特征构建预测模型。分别采用随机森林、自适应增强、极端梯度提升树和轻量级梯度提升机4种机器学习算法, 并且通过计算灵敏度、特异度、F1分数及曲线下面积(AUC)值来评估它们的分类性能。结果随机森林、自适应增强、极端梯度提升树、轻量级梯度提升机模型的灵敏度和特异度分别为0.96、0.82、0.93、0.89和0.38、0.54、0.62、0.62, F1分数和AUC值分别为0.86、0.81、0.88、0.86和0.81、0.77、0.85、0.83。其中极端梯度提升树模型的灵敏度达到0.93, 特异度、F1分数和AUC值均为最高, 要优于其他3种模型。结论针对采用不同调强放疗技术的盆腔肿瘤调强计划, 使用基于放射组学的机器学习方法来构建伽马通过率分类预测模型具有一定的可行性, 能够...     

基于四维CT图像对不同呼吸模式下各时相靶区体积及位置的研究

目的:基于四维CT图像研究不同呼吸模式下适用于呼吸门控治疗的时相。方法:使用CIRS呼吸运动模体，驱动模体中间植入金标的小球（靶区）分别以标准正弦、呼气末停滞、呼气时长大于吸气时长三种模式运动，并进行分成10个均匀时相的4DCT扫描，分析各时相中靶区体积与金标位置。结果:三种呼吸模式下各时相靶区体积变化率与运动幅度有强相关性，40%、50%和60%时相靶区体积变化率较其他时相上更小；用金标判断运动幅度平均误差为8.6%；用大体肿瘤靶区(gross tumor volume,GTV)质心判断运动幅度平均误差为34.6%。三种模式在40%~60%时相金标平均偏移率均<5%；A模式金标最大偏移率为13.33%（0.2 cm/1.5 cm）；B模式金标最大偏移率为5.26%（0.1 cm/1.9 cm）；C模式金标最大偏移率为7.14%（0.2 cm/2.8 cm）。 结论:三种模式下使用呼气末期的三个时相（40%、50%、60%）进行呼吸门控的计划靶区勾画和治疗能保证门控出束时间窗内肿瘤偏移最小，能有效减少对周围正常组织的勾画。     

在IGRT系统中实现精确辐射剂量所需质量保证的研究

目的：本文试图对IGRT系统的常规质量保证和质控频率进行探讨，并给出相应的质量保证测试表格。方法：采用Cadphan CTP503 phantom， Single Ball -bearing phantom，对机器的放疗剂量、图像质量、图像采集和匹配精度进行质控内容和方法研究，并建立质控规范。结果：相应的质控项目和质控方法能够保证我们的IGRT系统得以精确、安全的运行，有助于保证在整个放射治疗中的剂量精确性。     

EUD 优化方法在直肠癌调强放疗中的应用

目的：直肠癌是消化道最常见的恶性肿瘤之一。放疗是直肠癌的一种重要治疗手段，而调强放疗作为一种高精度的适形放疗而被广泛应用。但大部分的IMRT计划都是采用物理约束条件，只能对ROI （感兴趣区）的剂量体积曲线的一个或几个点进行约束，而EUD则能对ROI的整条曲线进行约束。本文研究EUD在直肠癌调强中的应用价值。探讨调强放疗计划中EUD （等效均匀剂量）优化方法在直肠癌放疗中的应用价值。方法：随机选取本科已经接受调强放疗的Ⅲ期直肠癌术后患者10例，其中PTV （ planning target vol－ume）处方剂量50GY。用两种不同的目标函数约束，一组（ DV组）用物理优化方法；另一组（ EUD组）在物理优化的基础上把重要器官（膀胱、股骨头、小肠）的约束条件改为Max EUD约束，其他不变。比较这两种优化方法的剂量学差异。结果： EUD优化方法组和物理优化组PTV的剂量无明显的差异，但重要器官的剂量比物理优化组的剂量低，经配对t检验P＜0．05。结论： EUD优化方法能更好的保护重要器官，对降低直肠癌的放疗并发症有重要的临床意义。     

纵膈淋巴瘤累及处放疗时前后对穿适形放疗及调强放疗的剂量学比较

目的比较前后对穿野放疗(POP)计划及调强放疗(IMRT)计划中在累及纵膈区恶性淋巴瘤行累及处放疗(ISRT)的中的靶区剂量分布及正常组织剂量对比。方法对均累及纵膈的20个淋巴瘤患者均分别按照ISRT的放疗照射野的概念勾画放疗靶区及危及器官,再用这两个不同照射概念的靶区分别按照常规前后对穿野及五野调强分别制作放疗计划。对比两种不同计划POP及IMRT中PTV的覆盖及肺、心脏、脊髓及乳腺的剂量的区别。结果在IMRT计划中,PTV的适形指数优于POP计划(P<0.05),但均匀性指数无明显差异。在IMRT计划中明显降低心脏、脊髓及肺的高剂量照射体积(P<0.05)。但乳腺低剂量V4、肺的低剂量V5在POP计划中明显更低(P<0.05)。结论在累及纵膈区恶性淋巴瘤ISRT设野放疗中,相对于POP计划,IMRT计划对靶区覆盖的适形性及心脏、脊髓保护有优势,但增加了肺及乳腺的低剂量体积,可能导致第二原位癌风险增加。可根据患者的不同情况选择放疗方式。     

基于SHAP值特征选择的γ通过率分类预测及解释

目的探索SHAP值结合极端梯度提升树(XGBoost)算法的特征选择技术来构建调强放疗γ通过率预测模型的可行性和有效性, 并给出相应的模型解释。方法回顾性分析2020年11月至2021年11月在湖南省肿瘤医院接受盆腔固定野调强放射治疗的196例肿瘤患者采用基于模体测量方式的调强放疗计划的剂量验证结果, γ通过率标准为3%/2 mm、10%剂量阈值。提取基于剂量文件的影像组学特征并使用SHAP值结合XGBoost算法进行特征筛选后构建预测模型。分别选取特征数量为50、80、110、140个, 构建四种机器学习分类模型, 计算曲线下面积(AUC)值、召回率及F1分数评估预测模型的分类性能。结果基于SHAP值特征选择的110个特征构建的预测模型AUC值为0.81, 召回率达到0.93, F1分数为0.82, 均优于其他三个模型。结论针对盆腔肿瘤调强放疗计划, 可以采用SHAP值与XGBoost算法结合以选择用于预测的最佳影像组学特征子集来构建γ通过率的预测模型, 并能通过SHAP值给出模型输出解释, 可能在理解依赖机器学习模型所做的预测方面提供价值。     

基于SHAP值特征选择的γ通过率分类预测及解释北大核心CSCD

目的:探索SHAP值结合极端梯度提升树(XGBoost)算法的特征选择技术来构建调强放疗γ通过率预测模型的可行性和有效性,并给出相应的模型解释。方法:回顾性分析2020年11月至2021年11月在湖南省肿瘤医院接受盆腔固定野调强放射治疗的196例肿瘤患者采用基于模体测量方式的调强放疗计划的剂量验证结果,γ通过率标准为3%/2 mm、10%剂量阈值。提取基于剂量文件的影像组学特征并使用SHAP值结合XGBoost算法进行特征筛选后构建预测模型。分别选取特征数量为50、80、110、140个,构建四种机器学习分类模型,计算曲线下面积(AUC)值、召回率及F1分数评估预测模型的分类性能。结果:基于SHAP值特征选择的110个特征构建的预测模型AUC值为0.81,召回率达到0.93,F1分数为0.82,均优于其他三个模型。结论:针对盆腔肿瘤调强放疗计划,可以采用SHAP值与XGBoost算法结合以选择用于预测的最佳影像组学特征子集来构建γ通过率的预测模型,并能通过SHAP值给出模型输出解释,可能在理解依赖机器学习模型所做的预测方面提供价值。