基于人工神经网络模型的鼻咽癌VMAT计划质量控制方法

目的训练放疗计划个体化三维剂量预测模型,并使用该模型建立计划质量控制方法。方法回顾性分析99例已临床实施的早期鼻咽癌同步加量容积旋转调强放疗(VMAT)计划,提取7个几何特征,包括各危及器官(OARs)到PTV、加量靶区和外轮廓的最小距离,及4个坐标位置关系特征。训练(89例)并验证(10例)基于人工神经网络(ANN)的三维剂量分布预测模型;然后基于该预测模型建立放疗计划质量控制方法。以各危及器官剂量学参数D2%、D25%、D50%、D75%和平均剂量(MD)为质量控制指标,通过标准为人工计划和预测剂量差别≤10%。采用由低年资物理师设计的10例计划,对该质量控制方法进行测试。结果18个头颈部OARs的主要剂量学指标,预测剂量与专家计划结果差异无统计学意义。剂量预测结果与专家计划相比,D2%、D25%、D50%、D75%和平均剂量(MD)的差别均控制在1.2 Gy以内。由低年资物理师设计的10例计划均达到常规临床剂量限值的要求,而利用建立的质量控制方法检出1例计划的脊髓、脊髓危及器官的计划体积(PRV)、脑干和脑干PRV剂量限制有待改善。根据模型预测值重新优化计划后,脊髓和脑干D2%分别降低了8.4和5.8 Gy。结论提出了一种简单易行的放疗计划质量控制方法,能克服统一性剂量限值未考虑患者特异性的缺陷,可提高个体化计划质量和稳定性。     

256例局部晚期NSCLC调强放疗后放射性肺损伤预测因素分析

目的 探讨局部晚期NSCLC受累野IMRT后放射性肺损伤发生率及寻找预测因素。方法 2007—2011年间在我院治疗的256例未手术、Ⅲ期NSCLC患者。放疗采用受累野IMRT。放疗剂量50~70 Gy (中位值60 Gy),分割剂量2 Gy/次。109例(42.6%)接受同期化疗。采用NCI的CTCAE 3.0标准评估级别。以放疗结束后6个月内发生≥2级放射性肺损伤作为终点事件。采用Logistic回归模型对预测因素进行分析。结果 所有患者中男215例(84%)、女41例(16%)。诊断时平均年龄59.2岁。43例(16.7%)发生≥2级放射性肺损伤。出现放射性肺损伤时间距放疗开始时间为20~169 d (中位数64 d)。单因素分析显示吸烟、肿瘤位置、双肺平均剂量、双肺V₅—V₂₀与≥2级放射性肺损伤发生可疑相关(P=0.108、0.106、0.030、0.049),多因素分析结果显示双肺平均剂量和双肺V₅—V₂₀与≥2级放射性肺损伤发生密切相关(P=0.048)。结论 局部晚期NSCLC受累野IMRT后双肺平均剂量和DVH中低剂量区体积可以初步预测症状性放射性肺损伤发生。     

全身应用免疫抑制剂引发巨细胞病毒性视网膜炎一例

巨细胞病毒（cytomegalovirus，CMV）性视网膜炎以“比萨饼样”眼底改变为特征，常提示患者全身免疫力低下，考虑人类免疫缺陷病毒（human immunodeficiency virus，HIV）感染或获得性免疫缺陷综合征（acquired immunodeficiency syndrome，AIDS），全身应用免疫抑制剂及化疗药物所致。我们于2005年收治1例因长期全身应用免疫抑制剂引发CMV性视网膜炎的患者，现将其眼部表现及诊治经过分析报告如下。     

可用于保乳手术瘤床标记物的生物可降解材料的筛选研究

筛选可用于保乳手术瘤床标记物的生物可降解材料。基于文献检索和初选现有材料,选定5种生物可降解材料:PGA、PLLA、Mg1、Mg2、PLA/β-TCP,对这5种材料进行CT及MR图像扫描,评估其成像情况,然后对符合成像要求的材料进行体外降解测试,观察外观、质量及粘度变化。图像扫描测试表明:1)两种镁合金材料(Mg1和Mg2)在CT图像上出现放射状伪影;2)两种高分子材料(PGA和PLLA)及复合材料PLA/β-TCP在CT及MR图像上均没有明显伪影,且能与周围背景明显区分;3)就成像区分度而言,由于密度提高,复合材料PLA/β-TCP在CT图像上和周围背景的对比较PLLA明显提高。体外降解测试表明:1)PGA样品外观上至第8周时完全变成粉末状,粘度变化方面至12周时基本降解为小分子,而质量则至30周时基本降解完全;2)PLA/β-TCP样品至第40周时质量损失率约为10%,且外观无明显变化;3)PLLA样品至第40周时外观无明显变化,且由于亲水性不足降解非常缓慢,在48周的研究周期内粘度变化较小,质量基本不变化;4)进一步观察降解情况,在观察至9个月后,PLLA降解依旧非常缓慢,而PLA/β-TCP已进入加速降解阶段。本研究结合图像扫描及体外降解测试,综合考虑成像区分度和降解周期,最终确定PLA/β-TCP为最佳的生物可降解材料。     

改装高通道线圈实现头颈部放疗模拟定位的可行性研究

目的:改装两片式16通道（16ch）柔性线圈,建立头颈部模拟定位高通道线圈扫描方案,并评价其可行性。方法:将两片式16ch柔性线圈改装成与头颈部放疗摆位辅助装置相匹配的包绕式设计,进行序列采集,加速因子分别设置为2和3。使用标配的6通道（6ch）线圈,进行相同序列采集,其最大支持加速因子为2,并将其作为参考图像,进行图像质量的比较。对图像各项指标进行定量分析,包括几何畸变百分比（％GD）、层位置（SP）、层厚（ST）、百分图像均匀性（PIU）、伪影比（GR）、信噪比（SNR）和高对比空间分辨率（HCSR）;并记录各线圈和不同加速因子时的扫描时间。结果:ACR标准T1加权和T2加权序列,使用16ch线圈PIU较6ch线圈平均提高17.1%,其余各项指标两者差别均较小。加速因子均设置为2且扫描参数相同,16ch较6ch线圈相比,模拟定位序列各序列SNR平均相对提高约21.9%,PIU平均相对提高约10.3%,扫描时间和其它图像参数差别较小。16ch线圈加速因子3与6ch线圈加速因子2比较,时间缩短24.4%,PIU升高8.56%,但SNR下降10.86%。结论:本研究改装的高通道线圈磁共振模拟定位技术可满足临床需要;在不增加扫描时间的前提下,可显著提高图像的信噪比;在保持图像质量相近的前提下,可支持更快的并行采集方案,显著缩短扫描时间。     

抗VEGF药物治疗血管源性眼病的基础与临床研究进展

许多人类血管源性眼病均与血管内皮生长因子(VEGF)有关.近年来玻璃体腔注射抗VEGF药物治疗血管源性眼病逐渐应用于临床,就maeugen,hcentis和avastin三种抗VEGF药物的基础研究、临床应用进展及不良反应情况进行综述,从生物学特性、临床疗效及应用前景等方面分析比较三种药物的共同点与特异性.     

256例局部晚期NSCLC患者IMRT后急性症状性食管炎预测因素分析

目的 探索局部晚期NSCLC患者IMRT后急性症状性食管炎的发生率及相关预测因素。方法 2007—2011年间在本院治疗的256例未手术的Ⅲ期NSCLC患者。放疗靶区包括原发肺肿瘤及受累淋巴引流区, 中位剂量为60 Gy分30次(50~70 Gy)。109例(42.6%)接受同期化疗。放疗期间及放疗结束后3个月内出现≥2级急性食管炎(症状性食管炎)作为终点事件, 采用CTCAE3.0评估急性食管炎级别。采用Logistic回归模型对预测因素进行分析。结果 174例患者(68%)出现治疗相关的≥2级急性食管炎, 其中154例(60.2%)为2级、20例(7.8%)为3级。≥2级急性食管炎发生时的中位剂量为30 Gy (11~68 Gy)。食管V₅—V₆₀、食管平均剂量及年龄是≥2级急性食管炎的预测因素(P=0.021、0、0.010), 其中高龄是保护性因素;食管V₅₀—V₆₀、同期化疗、体重指数是≥3级急性食管炎的预测因素(P=0.010、0.003、0.019), 其中高体重指数是保护性因素。结论 局部晚期NSCLC患者IMRT后食管V₅₀—V₆₀和同期化疗是≥3级急性食管炎的预测因素, 食管V₅₀对预测≥2级、≥3级急性食管炎都有较高价值。     

基于深度学习自动分割模型乳腺癌放疗临床应用与评价

目的 将深度学习算法与商用计划系统整合,建立乳腺癌靶区和危及器官(OARs)自动分割平台并加以验证。方法 入组在中国医学科学院肿瘤医院行保乳术后放疗的左、右乳腺癌患者各400例。基于深度残差卷积神经网络进行训练临床靶区(CTV)和OARs分割模型,建立端到端的基于深度学习的自动分割平台(DLAS)。使用42例左乳腺癌和40例右乳腺癌验证DLAS平台勾画的准确性。分别计算总体戴斯相似性系数(DSC)和平均豪斯多夫距离(AHD)。并计算相对层位置与每层DSC值(DSC_s)的关系,进行逐层分析。结果 左/右乳腺癌全乳CTV平均总体DSC和AHD分别为0.87/0.88和9.38/8.71mm,左/右乳腺癌OARs平均总体DSC和AHD范围为0.86~0.97和0.89~9.38mm。对CTV和OARs进行逐层分析,达到0.90以上表示医生只需要较少修改甚至不用修改的层面,左右乳腺癌的CTV勾画占比约44.7%的层面,OARs自动勾画占比范围为50.9%~89.6%。对于DSC_s<0.7,在两侧边界区域(层位置0~0.2和0.8~1.0) CTV和除脊髓以外的感兴趣区域DSC_s值明显下降,且越靠近边缘降低程度越明显。脊髓采用全层勾画,未发现有特殊区域出现DSC_s明显下降。结论 建立端到端的DLAS平台整合乳腺癌分割模型取得较好的自动分割效果。在头脚方向的两侧边界区域,勾画的一致性下降较明显,有待进一步提高。     

利用噪声等价图像和深度学习方法对低剂量CT降噪

目的:研究在常规剂量扫描情况下模拟低剂量CT图像的方法,以此生成训练数据集中与常规剂量CT具有对应关系的低剂量CT图像,并建立深度学习模型,用于低剂量CT图像的降噪。方法:使用Philip Brilliance CT Big Bore模拟定位机,其不同算法重建的CT图像具有不同的噪声水平,其中iDose4算法噪声较大,...     

基于深度学习自动分割模型乳腺癌放疗临床应用与评价

目的 将深度学习算法与商用计划系统整合,建立乳腺癌靶区和危及器官(OARs)自动分割平台并加以验证。方法 入组在中国医学科学院肿瘤医院行保乳术后放疗的左、右乳腺癌患者各400例。基于深度残差卷积神经网络进行训练临床靶区(CTV)和OARs分割模型,建立端到端的基于深度学习的自动分割平台(DLAS)。使用42例左乳腺癌和40例右乳腺癌验证DLAS平台勾画的准确性。分别计算总体戴斯相似性系数(DSC)和平均豪斯多夫距离(AHD)。并计算相对层位置与每层DSC值(DSC_s)的关系,进行逐层分析。结果 左/右乳腺癌全乳CTV平均总体DSC和AHD分别为0.87/0.88和9.38/8.71mm,左/右乳腺癌OARs平均总体DSC和AHD范围为0.86~0.97和0.89~9.38mm。对CTV和OARs进行逐层分析,达到0.90以上表示医生只需要较少修改甚至不用修改的层面,左右乳腺癌的CTV勾画占比约44.7%的层面,OARs自动勾画占比范围为50.9%~89.6%。对于DSC_s<0.7,在两侧边界区域(层位置0~0.2和0.8~1.0) CTV和除脊髓以外的感兴趣区域DSC_s值明显下降,且越靠近边缘降低程度越明显。脊髓采用全层勾画,未发现有特殊区域出现DSC_s明显下降。结论 建立端到端的DLAS平台整合乳腺癌分割模型取得较好的自动分割效果。在头脚方向的两侧边界区域,勾画的一致性下降较明显,有待进一步提高。