针对射程不确定性的质子调强放疗鲁棒优化方法

目的 因治疗精度高、副作用小,质子调强放疗(IMPT)成为放疗领域的研究热点,但其精度对射程变化非常敏感。本研究提出一种针对射程不确定性的IMPT鲁棒优化方法用于减小射程偏差对放疗计划的影响。方法 首先建立鲁棒优化模型,目标函数采用二次型函数表达式,其中包含3种射程:射程增加、射程正常、射程缩短;每种射程对应的器官剂量贡献矩阵采用质子笔形束算法计算得到。对射程偏差进行离散化,每个射程的发生概率基于高斯分布函数得到。最后采用共轭梯度法优化出最优解,最优解使得靶区和危及器官实际剂量分布在射程偏差内尽量达到期望剂量。结果 采用AAPM TG-119号报告的3套模拟例题测试本研究方法的有效性:鼻咽癌病例、前列腺病例和“C”型病例。与常规IMPT优化结果对比,发现该方法对射程不确定性的敏感性更低。射程发生偏差时,鼻咽癌病例和前列腺病例的靶区和危及器官基本达到期望剂量,“C”型病例的靶区高剂量覆盖率和危及器官保护都有了提高。结论 针对射程不确定性,该方法可得到更高的靶区覆盖率,同时降低危及器官剂量。     

基于自动勾画和快速蒙特卡罗计算的放射治疗全身器官剂量数据库平台的可行性研究

目的:探讨建立一种放射治疗全身器官剂量数据库平台的可行性。方法:使用基于深度学习的自动勾画软件DeepViewer?1例食管癌患者的全身CT上勾画全身器官，然后利用基于GPU加速的蒙特卡罗软件ARCHER计算相应的器官剂量分布，最后利用Lyman-Kutcher-Burman（LKB）模型评估放疗患者正常组织并发症概率（NTCP）。结果:针对该病例，成功建立基于DeepViewer?ARCHER和LKB模型的全身器官剂量数据库，发现距离靶区越近的器官剂量越大，其中心脏与靶区间距离最小，剂量为14.11 Gy，但因其模型参数特殊，通过LKB模型计算的NTCP为0.00%；左、右肺的剂量分别为3.19和1.16 Gy，但是NTCP值却很大，分别为2.13%和1.60%。对于距离靶区较远的头颈部器官（视交叉、视神经和眼）和腹部器官（直肠、膀胱和股骨头）剂量分别约为9和2 mGy，并且NTCP均近似为0.00%。结论:研究结果证明通过自动勾画软件DeepViewer?蒙特卡罗软件ARCHER和LKB模型建立全身器官剂量数据库的可行性。     

放疗计划系统DeepPlan光子放疗剂量计算的临床可行性验证

目的:评估DeepPlan放疗计划系统患者计划剂量计算的准确性和临床应用的可行性。方法:剂量算法准确性评估主要是针对YY 0775号和YY/T 0889号报告中的例题内容进行测量验证。临床病例验证是基于Pinnacle计划系统设计的前列腺肿瘤患者9例、胸部肿瘤患者13例和头颈部肿瘤患者5例，试验将各病例原计划优化的子野等信息直接导入DeepPlan进行重新剂量计算，比较不同计划系统得到的靶区和危及器官剂量分布，并用PTW VeriSoft软件对两组计算结果进行全空间剂量γ分析。结果:DeepPlan光子剂量算法通过了剂量计算准确性验证，YY 0775号报告中所有测试例题误差均在2%以内。YY/T 0889号报告中所有患者计划的γ通过率均在96.8%以上，复合野的γ通过率平均值为98.1%。在病例验证中，前列腺肿瘤病例的等中心层面2D γ通过率平均值为97.6%，3D γ通过率平均值为96.9%。胸部肿瘤病例的等中心层面2D γ通过率平均值为98.7%，3D γ通过率平均值为98.3%。头颈部肿瘤病例的中间层面2D γ通过率为98.6%，3D γ通过率平均值为98.8%。结论:通过模体实际测量和临床病例测试，验证了DeepPlan光子放疗剂量计算的准确性和临床应用的可行性。     

基于掩膜优化的多模态医学图像刚性配准

目的:基于配准开源平台ITK和开源计算机显示视觉库OpenCV开发刚性配准程序,并集成到DeepPlan计划系统中,实现快速准确的多模态刚性配准。方法:基于形态学开运算初步去除图像中无需关注的细小区域和部分扫描床,使用最大类间方差法(Otsu)突出感兴趣的图像部位,Canny算子用于提取富含信息区域的边界信息。使用像素填充技术得到图像配准需要的掩膜,并采用OpenMP并行技术加速掩膜计算过程。最终在配准过程中将掩膜作用于参考图像或浮动图像。结果:测试了多组不同模态和部位的算例,实验结果表明基于掩膜优化的多模态医学图像刚性配准方法可以自动去除绝大部分背景图像和扫描床板,节约图像配准中一半以上时间,且图像配准质量并无下降;在1 min内可以完成两组100张左右的图像配准。且本方法以动态链接库的形式成功集成在治疗计划系统DeepPlan中。结论:在保证配准结果准确的基础上,基于掩膜优化的多模态医学图像刚性配准方法显著提高了图像配准速度,且算法稳定性能高,有很好的临床应用前景。     

结合伪MRI信息的腹部CT危及器官自动勾画

目的:结合伪MRI（sMRI）软组织信息,提出新的腹部器官自动勾画模型,改进CT软组织的勾画效果。方法:使用两个独立的深度神经网络分步完成病人腹部危及器官的自动勾画。首先,基于CycleGAN网络构建由CT图像转换sMRI图像的模型,采用去噪判别器等改进方法,得到器官轮廓一致的高清晰度sMRI。其次,使用sMRI与手工勾画信息训练自动勾画模型Residual U-Net,在CT和sMRI上分别自动勾画危及器官轮廓,Residual U-Net的残差模块能够充分利用提取到的特征来区分不同的器官。采用戴斯相似性系数（DSC）作为自动勾画模型分割精度的评价标准,35例宫颈癌与35例前列腺癌患者用于自动勾画模型的训练和评估。结果:结合sMRI信息的自动勾画模型在直肠、膀胱、左右股骨头的平均DSC分别为0.779±0.021、0.944±0.006、0.834±0.006、0.845±0.021。结论:使用结合sMRI信息的腹部CT自动勾画方法,可以在直肠获得更精确的自动勾画结果。     

一种快速调强放射治疗直接子野优化方法

目的:调强放射治疗是治疗癌症的一种主要手段。对放射治疗计划进行优化是实现调强放射治疗的关键步骤。传统的直接子野优化方法比较耗时,为了改进此缺点,本文提出一种基于共轭梯度法的快速直接子野优化方法。方法:将多叶光栅的叶片位置和子野的权重同时纳入问题模型,将该直接子野优化问题建模为一个非线性数学优化问题。直接求解该问题比较困难,采用"分而治之"的策略,将其分解为两个较容易的子问题。第一步采用共轭梯度法来优化子野权重,第二步通过移动叶片的方法来优化子野形状,两个步骤交替进行,最终在较短时间内找到满足要求的治疗方案。结果:本文对两个临床病例:胰腺肿瘤病例和头部肿瘤进行了测试。对胰腺肿瘤病例的优化用了3 min 20 s,优化后靶区和危及器官的剂量体积直方图以及等剂量线均满足临床要求。对头部肿瘤病例的优化用了9 min 37 s,尽管该病例包含较多的勾画器官,器官分布较集中,对优化提出了较大挑战,但优化后靶区和危及器官的剂量体积直方图以及等剂量线还是能较好的满足临床要求。结论:本文提出的方法很好的解决了调强放射治疗中一个复杂的非线性优化问题,对临床两例实际病例的测试结果显示,该方法可以在较短时间内找到满足要求的治疗方案,有较好的临床实用价值。     

基于循环一致生成对抗网络的多模态影像刚性配准

目的:采用循环一致生成对抗网络(CycleGAN)方法在保证医学影像刚性配准精度的同时,降低图像配准的时间以及训练数据获取难度。方法:首先对训练数据进行标准化与归一化,同时对图像进行重采样与剪裁,去除多余的空气部分。其次采用阈值法与扫描线法获取图像的外轮廓信息,基于CycleGAN建立两个生成器与两个判别器,生成器输入配准图像对和输出配准结果,判别器输入配准图像对和输出配准程度。在原始CycleGAN损失函数基础上,增加轮廓损失项,以约束网络训练方向,提高收敛速度。结果:选取75例腹部病例,其中65例作为训练数据集,10例作为测试数据集,配准结果与配准软件Elastix对比。计算测试图像集外轮廓Dice系数,配准前图像对的平均Dice系数为0.858,Elastix配准后的平均Dice系数为0.926,本方法配准后的平均Dice系数为0.925。配准时间上Elastix的平均配准时间为12.1 s,本研究方法的平均配准时间为0.04 s,加速比达到302。结论:本方法在保证图像配准精度的同时极大降低了图像配准所需的时间,提高了配准流程工作效率。除此之外,与其他深度学习网络相比,本方法不需要真实配准结果以及传统相似性测度。     

基于循环一致性生成对抗网络的盆腔伪CT生成方法

目的:基于循环一致性生成对抗网络（CycleGAN）,利用非配对患者盆腔部位数据,实现MRI和CT图像之间的相互转换,并对基于该模型生成的盆腔伪CT（sCT）进行精度和剂量性能的评估。方法:该CycleGAN网络包含两个生成器和两个判别器。先基于全卷积网络（FCNs）构建两个生成器,一个将2D盆腔MRI转换为2D盆腔sCT图像,另一个将CT图像转换为伪MRI（sMRI）图像。再基于FCNs构建两个判别器,用于对真实图像和生成的伪图像进行判别,提升生成图像的质量。为保证sCT图像与MRI图像的一致性,引入归一化互信息作为相似性约束损失项,对模型进行改进。训练集包括35例患者盆腔部位的T1-MRI图像和另外36例患者盆腔部位的CT图像,测试集包括10例盆腔部位患者的MRI和CT图像,评估方法包括sCT与CT图像的误差和放疗剂量伽马通过率。结果:对于测试集中所有病例,生成的sCT与真实CT图像之间的平均绝对误差（MAE）为35.537（±4.537） HU;基于体素的平均剂量差异最大为0.49%;以3%/3 mm、2%/2 mm和1%/1 mm为标准的平均伽马通过率分别高于99%、98%和95%。结论:使用CycleGAN网络和非配对患者训练数据可以生成准确且符合临床剂量精度要求的盆腔部位sCT图像。     

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。     

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。