后备SMLC计划在鼻咽癌中的临床应用

目的:放射治疗过程中出现因机器故障或其他因素而需要快速调度患者在不同加速器上完成治疗。本文研究一种简单快速的方法获得一个新的后备计划,并且评估鼻咽癌后备SMLC计划剂量学特性和执行效率。方法:从XIO计划系统中选取12例已治疗鼻咽癌患者的动态调强计划(DMLC),通过Dicom RT协议传输到Raystation计划系统中,生成后备SMLC计划(Fallback Planning),评估后备SMLC计划与初始DMLC计划剂量学差异和执行效率。结果:后备SMLC计划能满足临床要求,与初始DMLC计划相比,PTV60靶区适形指数(CI)较优(P=0.010),双腮腺D50%和脊髓D1cc均较优(P=0.013,P=0.035),其它参数无显著性差异,满足临床剂量学要求;计划效率较优,有显著性差异(P=0.000)。结论:由DMLC计划生成的后备SMLC计划准确、快速、执行效率高,可以在临床上广泛使用。同时,后备计划是有望实现自动计划的另外一种方法:建立完善的患者资料数据库,当有新治疗的患者时,从数据库选取与当前患者相似的患者P信息,利用形变技术建立起对应关系,然后把数据库中患者的剂量信息映射到当前患者,进行自动计划,还可结合自适应放疗。期望后备计划在自适应计划中有更多地发展。     

利用深度学习提升肺癌调强质子治疗笔形束剂量计算准确性

目的 质子笔形束(PB)剂量计算可实现快速剂量计算,但在处理组织不均匀度大的区域时误差较大,而蒙特卡洛(MC)剂量计算是最精准的方法但非常耗时;深度学习技术可以通过学习PB和MC剂量分布之间的差异,将剂量计算准确度从PB水平提高到MC水平。方法 基于HD U-Net神经网络,开发了一个可将肺癌调强质子治疗患者的PB剂量转换为MC剂量的模型。该模型以患者PB剂量和CT图像作为输入来预测MC剂量。27例非小细胞肺癌患者的射束剂量和CT图像在被旋转到同一角度并作归一化后被用于模型训练与测试。模型的准确性通过比较预测剂量与MC剂量的均方误差和1mm/1%标准的γ通过率等评估。结果 模型预测剂量与MC剂量相当吻合,测试病例1mm/1%标准的平均γ通过率(剂量值超过最大MC剂量10%的体素)达到(92.8±3.4)%。模型预测所有测试病例的MC剂量所需平均时间为(6.72±2.26) s。结论 成功开发了可以快速准确地从PB剂量和CT图像预测MC剂量的深度学习模型,并可用于提高肺癌调强质子治疗PB剂量计算精度。     

Mimicdose算法在调强备用计划设计中的应用北大核心CSCD

Mimicdose是RayStation计划系统多目标优化过程中所用到的一种算法,其主要功能是把已有的剂量分布转换为MLC序列,生成实际可执行计划.转换过程中的优化目标是使备用计划与原始计划的DVH函数差异最小.考虑到患者在同一厂家加速器之间转换治疗易实现,而不同厂家加速器之间转换治疗较难且更具临床意义,因此研究美国瓦里安加速器治疗患者转移至瑞典医科达Synergy加速器上治疗的临床可行性.     

基于DVH目标函数的VMAT计划设计研究

目的 研究基于DVH目标函数设计VMAT计划的新方法, 并应用到临床食管癌患者中评估所得计划的剂量学特性和计划效率。方法 对12例胸段食管癌患者以常规VMAT计划方式为参照, 分别采用基于多目标优化DVH (MCO-DVH)目标函数和重叠体积预测DVH (OVH-DVH)目标函数设计两组VMAT计划, 评估所得VMAT计划的剂量学特性、计划效率。配对t检验组间差异。结果 基于DVH目标函数的两组VMAT计划均满足临床要求, 与常规VMAT计划相比, 靶区适形指数和均匀指数较优(0.77∶0.72, P=0.017和0.10∶0.12, P=0.047);MCO-VMAT计划中OAR双肺V₅和脊髓V₅₀优于常规VMAT计划组(54.66∶60.23, P=0.013和0.98∶0.49, P=0.037), 其他参数相近;与常规VMAT计划时间相比, 基于DVH目标函数的VMAT计划设计时间明显缩短(8.2∶19.5, P=0.023)。结论 与常规VMAT计划设计方法相比, 基于理想DVH目标函数设计VMAT计划可实现靶区剂量分布更均匀的同时, 更好保护OAR且可提高计划效率。     

多目标优化方法在鼻咽癌临床中的剂量学研究

目的：比较鼻咽癌（NPC）多目标优化方法（MCO）和单目标优化方法（SCO）的计划质量及治疗实施效率。方法：对8例NPC患者以相同的处方剂量，但分别采用MCO和SCO设计7个野的静态调强（IMRT）计划。比较两种计划在剂量分布、靶区适形指数（CI）与均匀性指数（HI），不同危及器官（OAR）的剂量以及治疗计划的执行时间的差异。结果：两种优化方法均能满足临床剂量要求，与SCO相比，MCO计划组靶区PTV60。适形指数CI略优（p=0．007），靶区PTVk最大剂量D：％略高（p=o．019）。在PTV70.4上，MCO和SCO的HI及CI数分别为0．11、0．10和O．94、0．93，两者无显著性差异。MCO计划组危及器官剂量均比SCO组低（t=2．2～-13．3,p=0．000-0．044）。其中脑干、视交叉、视神经的平均剂量有30％以上的差异性。MCO和SCO计划组总子野数和总机器跳数（MU）分别为39（±3）个、648（±62）MU和43（±2）个、758（±68）MU（t=3．0、-3．5，p=0．020、0．011），MCO组分别减少了10％和17％。结论：使相比于SCO，用多目标优化方法（MCO）可实现靶区相同覆盖的同时可以更好的保护危及器官，且可提高治疗效率。     

计划靶体积概念是否适合肺癌质子调强治疗计划

目的 基于计划靶体积(PTV)和内靶体积(ITV)概念计划差异,论述PTV概念不适合于肺癌质子调强治疗(IMPT)计划,为临床提供参考。方法 基于上海质子治疗示范装置固定束模型和商业化治疗计划系统软件,对6例肺癌患者在平均CT图像上分别制作基于PTV的常规IMPT计划(PTV-IMPT)和基于ITV稳健的IMPT计划(ITV-IMPT)。所有计划均设置3个射束,采用蒙特卡罗剂量算法进行最终剂量计算。评估PTV-IMPT和ITV-IMPT计划的计划质量和稳健性能。结果 ITV-IMPT、PTV-IMPT计划的ITV适形指数分别为0.58、0.43,均匀指数分别为0.96、0.92,双肺V5Gy(RBE)分别为13.1%、13.5%,脊髓Dmax分别为8.9、9.5Gy(RBE),机器跳数分别为338、401MU。在分别轻度扰动和重度扰动场景的7种状态下, ITV-IMPT、PTV-IMPT计划的靶区覆盖稳健性指数λ范围分别为0.003~0.032、0.02~0.28,双肺500 Gy(RBE)剂量体积指标ΔV5Gy范围分别为0.06~0.11、0.07~0.13。结论 与PTV-IMPT比较,ITV-IMPT具有计划质量高、稳健性好的优势,具有重要的临床价值。因此,临床推荐使用ITV概念设计肺癌的质子调强计划。     

等能量层重扫描技术在肺癌质子调强治疗中对相互影响效应的改善

目的 评估肺癌质子调强治疗(IMPT)中肿瘤运动所致的相互影响(Interplay)效应,并比较不同次数的等能量层重扫描技术对Interplay效应的缓解效果。方法 选取8例肺癌患者进行回顾性分析。所有患者行4DCT扫描,生成10个时相。基于商业化质子治疗计划系统,采用稳健性优化算法,在4DCT图像的参考时相设计临床靶区(CTV)概念的IMPT计划。稳健性优化过程中不确定性因素包括:摆位不确定性±5 mm,射程不确定性为±3.5%,CTV在4DCT中各时相变化不确定性。采用蒙特卡洛算法计算IMPT计划的最终剂量分布。评估Interplay效应时,基于混合形变算法及质子治疗模拟程序,计算患者4D静态剂量和4D动态剂量分布在感兴趣器官(ROI)的DVH差异,定义Interplay效应的评价指标[ΔI (ROI,DVH)],利用该指标定量评估IMPT计划的Interplay效应;采用等能量层重扫描技术对IMPT计划分别进行3、4、5、6、7次重扫描,并利用ΔI(ROI,DVH)标评估不同次重扫描对Interplay的缓解效果。结果 由Interplay效应导致IMPT计划中靶区CTV的D95%、CI、HI的均值分别降低了13.7%、12.7%、24.6%,危及器官中双肺V5Gy、V20Gy、V30Gy分别提高了0.8%、3.4%、2.6%。与未使用重扫描技术相比,不同次数重扫描技术使得CTV靶区覆盖 D95%的均值分别提高了4.5%、3.8%、3.8%、3.6%、5.7%。危及器官中双肺平均V20Gy分别减小了1.5%、1.8%、1.7%、1.6%、1.9%。结论 Interplay效应导致IMPT计划剂量分布变差,等能量层重扫描技术的应用可以改善靶区剂量分布,建议结合患者自身特征选择最佳重扫描次数。     

鼻咽癌CDR-VMAT与ss-IMRT剂量学比较评估

目的：分别比较鼻咽癌（NPC）恒定剂量率容积调强（CDR-VMAT）方式和7野、9野静态调强（ss-IMRT）方式的计划质量及治疗效率,提供临床参考意义。方法：对10例NPC患者以相同的处方剂量,但分别采用CDR—VMAT、7野SS—IMRT和9野ss-IMRT方式设计计划。比较三组计划在剂量分布、靶区适形指数（cI）与均匀性指数（HI）,不同危及器官（OAR）的剂量以及治疗计划的执行时间的差异。结果：三种执行方法均能满足临床剂量要求,与7野调强相比（7F-IMRT）,恒定剂量率方式（CDR-VMAT）靶区PTV7n4最小剂量D98％略优,适形指数CI较好（p=0．006）;靶区PTV66、PTV60、PTV54的均匀性指数HI较好（p=0．010,0．003,0．032）;且靶区PTv。的最小D98％最大剂量D98％较优（P=0．022,0．036）。与9野调强（9F—IMRT）J（R比,除靶区PTV。和PTV。中位剂量D50％略低及PTV60最小剂量D98％略差外（P=0．001～0．021）,其它比较参数无显著差异。危及器官方面（OrganatRiskOAR）,9野调强计划中,脊髓、腮腺可以得到更好的保护（p=0．032,0．047）。CDR-VMAT和7野、9野调强计划组总机器跳数（Mu）分别为552（＋48）MU、748（＋87）和730（＋76）MU,使用CDR-VMAT方式跳数分别减少36％和32％。结论：与7野调强比较,在危及器官剂量相似的情况下,CDR-VMAT容积调强和9野调强方式均提高靶区内的剂量分布,且CDR-VMAT方式可提高治疗效率。     

两种不同优化算法在胸部肿瘤调强放射治疗计划中的对比研究

目的:研究直接子野优化(DMPO)算法与多目标优化(MCO)算法在胸部肿瘤放射治疗计划设计优化过程中的差异。方法:选取20例食管癌患者,将患者在Pinnacle3计划系统的CT图像、勾画的靶区、设计参数和剂量信息等资料,通过DicomRT协议从Pinnacle3计划系统传输到Ray Station计划系统中。保持照射野设置、处方剂量不变,改用MCO算法重新优化治疗计划,比较两种优化算法在剂量分布、靶区适形指数(CI)与靶区均匀指数(HI)、危及器官(OAR)剂量、计划设计与执行效率的差异性。结果:两种算法优化的计划结果均能基本满足临床剂量要求,与DMPO相比,MCO计划靶区PGTV适形指数CIpgtv和均匀指数HIpgtv以及靶区PTV的适形指数CIptv均差别不大,但危及器官的受量明显小于前者,其中肺的V10、V20、V30、平均剂量Dmean-l,心脏的V30、V40和平均剂量Dmean-h以及脊髓最大剂量D1cm3-s和平均剂量Dmean-s,均存在显著性差异;从计划的设计时间上来看,MCO计划组明显短于DMPO计划组,而从执行效率上来看,两者差异不大。结论:对于食管癌同期加量三维调强放疗计划,与DMPO算法相比,MCO算法可得到更低的OAR剂量,并且在临床应用上明显提高工作效率。