构建混合多尺度神经网络自动分割Graves眼病的放疗临床靶区

目的：构建混合多尺度神经网络（HMnet）实现放疗临床靶区的自动勾画,提供一个高精度的CT影像自动分割模型。方法：HMnet是一种端到端的卷积神经网络,使用深度残差网络提取特征,由4个不同内核的卷积层组成的多尺度特征融合模块进行处理,以适应不同尺度大小的临床靶区;再引入注意力残差模块对多尺度特征融合模块输出的有效特征进行强化。共采用117例Graves眼病病例的CT影像数据和临床靶区轮廓训练和评估HMnet,选择骰子相似系数（DSC）、95%豪斯多夫距离（95HD）作为评估指标。结果：采用HMnet进行Graves眼病放疗临床靶区自动勾画的DSC为0.874 9,95HD为2.525 4 mm,均优于Unet、Vnet、ResAttUnet3D网络,也优于同一位医生两次勾画结果的平均DSC。结论：HMnet能准确实现Graves眼病放疗临床靶区的自动勾画,可提高放疗医生的工作效率及勾画的一致性。     

利用深度反卷积神经网络自动勾画放疗危及器官

目的:勾画危及器官是放射治疗中非常重要的常规工作。然而,目前的人工勾画非常耗时,而且依赖于医生的知识和经验。为此,本研究提出一种深度反卷积神经网络,用于自动和精确地勾画危及器官。 方法:深度反卷积神经网络是一个用于自动分割的端到端框架。实验使用了230例头颈部患者的数据,在其中随机选择了184例作为训练集,用于调制自动分割模型的参数,其余46例用作测试集评估方法的性能。用于分割的危及器官包括脑干、脊髓、左腮腺、右腮腺、左颞叶、右颞叶、甲状腺、喉、气管9个危及器官。自动分割精度的量化指标使用戴斯相似性系数和豪斯多夫距离。 结果:所有危及器官自动分割的戴斯相似性系数值均在0.70以上（平均值为0.81）,豪斯多夫距离值在5.0 mm内（平均值为4.3 mm）,表明本研究提出的自动分割方法能准确地分割危及器官。 结论:利用深度反卷积神经网络建立了一种自动分割危及器官的方法,可以得到较准确的结果,为放射治疗流程自动化提供了技术支持。     

直肠癌术前放疗危及器官与临床靶区自动勾画的可行性研究

目的:探讨AccuContour软件及定制化自动勾画模型在直肠癌术前容积旋转调强放疗中临床靶区（CTV）和危及器官（OAR）自动勾画几何轮廓及剂量学各项参数精度,为临床应用提供依据。方法:回顾性选取133例已接受直肠癌术前容积旋转调强放疗的患者,随机分组,65例作为训练集,16例作为验证集,52例作为测试集,构建并训练自动勾画模型,将其导入AccuContour软件并自动勾画CTV和4个OAR,对比自动勾画与手动勾画在CTV和OAR几何轮廓的体积差异（[ΔV]）、Dice相似性系数（DSC）、Jaccard系数（JAC）、敏感性指数（SI）、包容性系数（lncl）、质心偏差（DC）、Hausdorff距离（HD）等,以及自动勾画与手动勾画CTV和OAR在同一容积旋转调强计划中所受照射剂量学参数差异,从而评估自动勾画效果。结果:CTV的DSC值、JAC值、SI值、lncl值为:0.84±0.06、0.72±0.08、0.81±0.07、0.87±0.08,[ΔV]值、DC值、HD值为:10.93%（4.56%, 15.37%）、5.03（3.27, 8.77） mm、15.03（15.00, 24.70） mm;OAR的DSC值、SI值、lncl值、JAC值、[ΔV]值、DC值、HD值比较优劣顺序依次为:右股骨头、左股骨头、膀胱、小肠;自动勾画与手工勾画剂量学参数对比中,除膀胱V30、小肠Dmean、CTV D95的差异有统计学意义外（P<0.05）,其余均无统计学意义（P>0.05）。结论:在直肠癌术前容积旋转调强放疗中,本研究所采用的自动勾画系统,对于CTV和OAR的自动勾画有一定准确性,为临床医生节省大量时间,提高工作效率。     

基于U-net卷积神经网络的宫颈癌临床靶区和危及器官自动勾画的研究

目的:基于U-net卷积神经网络的深度学习方法,探讨宫颈癌放疗临床靶区和危及器官自动勾画的可行性。方法:利用U-net卷积神经网络模型搭建的端到端自动分割框架,以100例已进行IMRT治疗的宫颈癌患者CT及组织结构信息为研究对象,并随机选取其中的10例作为测试集。勾画的对象包括临床靶区（CTV）、膀胱、直肠和左、右股骨头5个部分,比较手动和自动勾画的戴斯相似性系数（DSC）和豪斯多夫距离（HD）以评估自动勾画模型的准确性。结果:4种危及器官自动勾画的DSC值都在0.833以上,平均值是0.898;HD值均在8.3 mm以内,平均值为5.3 mm;临床靶区DSC值是0.860,HD值为13.9 mm。结论:基于U-net卷积神经网络建立的自动勾画模型能较为准确地实现宫颈癌临床靶区和危及器官的自动勾画,临床应用中可大幅提高医生的工作效率及勾画的一致性。     

头颈部肿瘤PET与MRI融合放疗靶区自适应区域生长勾画

目的:为了有效解决单独使用正电子发射断层扫描(PET)和核磁共振成像(MRI)影像勾画大体肿瘤靶区(GTV)存在的肿瘤、水肿及其周围正常组织区分难题。方法:首先选取PET图像上包含肿瘤区域的感兴趣区域(ROI)中标准摄取值(SUV)最大的体素点作为肿瘤区域生长算法的初始种子点,在PET和MRI影像上分别进行第一阶段自适应区域生长。然后从其勾画的肿瘤PET靶区内自动获取肿瘤的最小SUV值,并联合肿瘤MRI靶区自适应区域生长的最佳阈值构建第二阶段肿瘤PET和MRI联合区域生长准则,进行第二阶段区域生长,完成PET与MRI融合靶区勾画。结果:与单独使用PET和单独使用MRI影像的自适应区域生长分割结果相比,参考两位经验丰富的临床放疗专家手工勾画的鼻咽癌MRI GTV,本文方法勾画的融合GTV与MRI GTV具有最高相似性,且同时具有较高灵敏性和较高特异性。结论:本文方法可实现头颈部肿瘤PET与MRI融合大体肿瘤靶区自适应高精度勾画。     

特征区域再聚焦提升全卷积神经网络勾画较小靶区准确度

在卷积神经网络基础之上介绍一种特征区域再聚焦的勾画方法。方法:利用端到端的全卷积神经网络,采用正常勾画及特征区域再聚焦勾画两种方法分别对鼻咽癌肿瘤体积（GTVnx）进行自动勾画。选取60例鼻咽癌患者数据,其中40例用于训练,20例用于测试。Dice相似系数（DSC）用于评估自动勾画准确度。结果:正常勾画方法DSC为0.352±0.084,特征区域再聚焦方法DSC为0.524±0.079。对20例测试例勾画结果进行统计学检验结果显示P<0.01。结论:相比正常勾画方法,特征再聚焦勾画方法能够提高对GTVnx的勾画效果,提升较小靶区的勾画精度。     

两种自动勾画方法对T3分期鼻咽癌靶区勾画结果对比分析

目的：比较和分析基于常规图谱集(Atlas)自动勾画方法和深度学习自动勾画方法对T₃分期鼻咽癌靶区的勾画结果。方法：回顾性选取本院T₃分期鼻咽癌患者138例,由一名高年资医生在CT上勾画GTV和CTV,勾画结果经另外两名高年资医生审核。建立3D-Unet模型,随机选取110例病例作为训练集,28例病例作为测试集。比较3D-Unet模型与Atlas模型的优劣性。结果：与医生勾画结果相比,3D-Unet模型的GTV和CTV平均勾画结果如下所示,平均表面距离：3.01和1.84 mm,95%豪斯多夫距离：16.05和7.70 mm,Dice相似性系数：0.71和0.83,Jaccard相似性系数：0.56和0.71,精确率：0.70和0.85,召回率：0.76和0.81,各项参数均显著优于Atlas模型(P<0.05)。结论：与Atlas自动勾画技术相比,基于3D-Unet模型的自动勾画方法对鼻咽癌靶区的勾画准确率明显提升。     

不同级别肿瘤中心医师对鼻咽癌调强放疗靶区和危及器官勾画差异比较

目的：评估不同级别肿瘤中心医师对鼻咽癌调强放疗计划靶区和危及器官勾画的个体化差异,为多中心放疗临床试验的质量控制提供数据参考。方法：随机抽取12例不同TMN分期的鼻咽癌患者,3名同一市级肿瘤中心医师以手工方式勾画每例患者的靶区（GTVnx）和危及器官（OAR）。以国家区域级肿瘤中心放疗专家手工修改和确认的靶区（GTVnx）和OAR勾画结构作为标准勾画。采用绝对体积差异比（△V＿diff）、体积最大/最小比（MMR）、离散系数（CV）和体积相似性指数（DSC）分别比较不同级别肿瘤中心（市级与国家区域级）医师之间和市级肿瘤中心3名医师之间的器官勾画差异,并进一步比较不同级别肿瘤中心医师对不同TMN分期的鼻咽癌放疗计划器官的勾画差异。结果：不同级别肿瘤中心（市级与国家区域级）医师之间勾画GTVnx体积差异明显,3名医生中的最大△V＿diff、MMR和CV分别为97.23%±83.45%、2.19±0.75和0.31±0.14,平均DSC<0.7。同时,他们之间对于左右视神经、视交叉、脑垂体等小体积OAR勾画差异也较大,平均MMR>2.8,CV>0.37,DSC<0.5...     

针对颅脑放疗规划的海马体自动勾画平台及其验证

目的海马体是学习和记忆的神经生物基础,是头颈部放射治疗中需要重点保护的颅内危及器官。海马体轮廓通常由医生手动勾画,操作时间长且依赖医生经验。为提高海马体勾画的效率和可重复性,本文研发了一种海马体自动勾画平台(OAR AutoSketch),系统比较了基于中国人或欧美人大脑图谱配准的分割方法(scbt_Linear、scbt_Nonlinear、TT_linear、TT_Nonlinear),以及基于皮层配准的分割方法(FreeSurfer)用于海马体勾画的可行性。方法选取12名鼻咽癌患者的数据,采用OAR AutoSketch生成5种海马体轮廓和患者主治医生勾画的海马体轮廓混合呈现,招募12名医学影像部的医生进行随机双盲的主观准确性评分;邀请1名影像科专家在20名鼻咽癌患者的MRI图像上手动勾画海马体,作为海马体解剖标准,计算5种自动勾画方案的客观准确性。结果主观准确性评分结果显示,自动勾画的准确性普遍优于主治医生的手工勾画结果。和海马体解剖标准的空间相似性结果显示,FreeSurfer方法准确度最高。结论海马体的自动勾画具备一定的可行性,皮层配准算法总体优于基于图谱的配准算法。     

金属伪影对鼻咽癌放疗危及器官自动勾画的影响

目的:评估CT金属伪影对鼻咽癌放疗危及器官（OAR）自动勾画的影响。方法:选取有无牙齿修复物的鼻咽癌患者各16例,由放疗医师和深度学习自动勾画平台AccuContour分别勾画26种OAR轮廓。比较有无金属伪影患者不同OAR轮廓三维相似性系数（DSC）和Hausdorff距离（HD）以及有无金属伪影横断面内口腔和下颌骨的二维DSC和HD。同时记录人工勾画和自动勾画全部OAR的时间。结果:所有OAR的三维DSC和HD在有无金属伪影患者组间均无显著差异（P>0.05）。无金属伪影横断面内口腔的二维DSC和HD优于有伪影横断面（P<0.01）,且伪影越严重,自动勾画的口腔轮廓局部偏离基准值越明显。自动勾画效率（<2 min）显著优于人工勾画效率（>70 min）。结论:牙齿修复物伪影对基于深度学习的鼻咽癌放疗OAR自动勾画的准确性和工作效率影响有限,较人工勾画方法仍然具备明显优势。     

智能放疗云平台自动勾画食管癌患者心脏结构的应用

【摘要】目的:测试和评估智能放疗云平台（RAIC.OIS）在食管癌患者心脏结构自动勾画中的应用。方法:选取2018年2月~11月收治的20例食管癌患者进行研究。首先,将20例患者的放疗定位CT图像从Eclipse治疗计划系统传输至连心医疗的智能放疗云平台（RAIC.OIS）;然后,使用RAIC.OIS的自动勾画工具,对CT图像中的心脏结构进行自动勾画;最后,将勾画好的结构文件传输并导入Eclipse。通过比较自动勾画和手工勾画的体积差异、位置差异、形状一致性和勾画时间,评估该软件的自动勾画工具应用于心脏结构自动勾画的可行性。结果:根据测量的数据结果,发现有1例患者的心脏形状和位置比较特殊,排除该患者的数据,对余下19例患者的数据进行统计分析。自动和手工两种方式勾画食管癌患者心脏结构的体积差异为（-17.08±8.66）%,相似性指数值为0.87±0.05。x、y和z这3个方向的位置差异分别为（0.12±0.09）、（0.11±0.08）和（0.22±0.16） cm,总位置差异为（0.31±0.14） cm。19例患者的自动勾画时间为（83±12） s,手工勾画时间为（284±58） s。结论:智能放疗云平台的自动勾画工具,对绝大部分食管癌患者的心脏勾画能够达到满意的结果。使用该工具可缩短心脏结构的勾画时间,提高放疗工作效率。     

基于增强CT的手动勾画与基于PET-CT的自动勾画方法在鼻咽癌放疗中的对比研究

目的:探究基于增强CT的手动勾画与基于PET-CT的自动勾画方法在鼻咽癌放疗中的优劣性及应用价值。方法:采集34例鼻咽癌患者的PET-CT数据,比较医生分别在增强CT和PET-CT图像上勾画靶区的差异性,以CSCO指南在PET-CT双模态融合图像上手动勾画的靶区作为金标准,应用Matlab软件计算单一标准摄取值（SUV）阈值分割法和MIM软件自带的PET-EDGE分割法两者的重叠率Dice和豪斯多夫距离HD值,并采用t检验进行统计学分析。结果:基于增强CT图像的手动勾画法、基于PET-CT图像的单一SUV阈值法以及PET-EDGE自动勾画法,3者靶区分割结果的Dice值分别为0.706、0.736、0.806,HD值分别为12.601、11.631、6.143 mm。以PET-CT双模态图像作为参考的靶区手动勾画法与基于增强CT的手动勾画存在差异（Dice:P=8.33×10-7;HD:P=1.065×10-18）;MIM软件自带的PET-EDGE靶区分割法Dice和HD值高于单一SUV阈值法,差异具有统计学意义（Dice:P=0.019 8;HD:P=0.013 7）。结论:在鼻咽癌肿瘤靶区的分割性能上,基于PET-CT图像的自动勾画优于基于增强CT图像的手动勾画,MIM软件自带的PET-EDGE分割法优于单一SUV阈值分割法。     

集成自适应回归核的肿瘤生物靶区随机游走勾画方法

目的:评估一种肿瘤正电子发射断层扫描(PET)影像生物靶区的勾画新方法。方法:为有效区分PET影像中标准摄入值(Standard Uptake Value,SUV)相近的肿瘤区域和正常组织区域,首先计算肿瘤PET影像中每个体素点对应的自适应回归核,并将其集成到随机游走无向图的边权值函数中。然后利用三维自适应区域生长方法自动选取随机游走种子点,实现肿瘤PET生物靶区的自动勾画。结果:以临床放疗专家勾画的大体肿瘤区作为参考标准,本方法勾画的7例鼻咽癌病人PET生物靶区DICE相似性的均值为0.836 7,比仅基于PET SUV的随机游走勾画方法提高了4.31%,比基于PET SUV值和对比度纹理特征的随机游走勾画方法提高了3.34%。结论:集成自适应回归核的随机游走方法能够更精确地勾画肿瘤PET生物靶区。     

基于三维U-NET深度卷积神经网络的头颈部危及器官的自动勾画

勾画危及器官是放射治疗中的重要环节。目前人工勾画的方式依赖于医生的知识和经验,非常耗时且难以保证勾画准确性、一致性和重复性。为此,本研究提出一种深度卷积神经网络,用于头颈部危及器官的自动和精确勾画。研究回顾了496例鼻咽癌患者数据,随机选择376例用于训练集,60例用于验证集,60例作为测试集。使用三维(3D)U-NET深度卷积神经网络结构,结合Dice Loss和Generalized Dice Loss两种损失函数训练头颈部危及器官自动勾画深度卷积神经网络模型,评估参数为Dice相似性系数和Jaccard距离。19种危及器官Dice相似性指数平均达到0.91,Jaccard距离平均值为0.15。研究结果显示基于3D U-NET深度卷积神经网络结合Dice损失函数可以较好地应用于头颈部危及器官的自动勾画。     

鼻咽癌调强放疗计划设计中自动勾画剂量限制结构的初步应用

目的 鼻咽癌（NPC）调强适形放射治疗（IMRT）（简称调强放疗）计划设计中,需勾画一定数量剂量限制结构（DLSs）,传统的常规方法只能逐一单个处理,极大浪费了物理师的有效工作时间.本研究利用MIM（V6.5）软件编译工作流,根据NPC计划优化需求,自动生成DLSs,观察、对比其与常规方法在不同分期NPC计划DLSs勾画上的时间差异,探讨其临床推广的应用价值.方法 对10例不同TNM分期的NPC患者,按统一要求由3名物理师采用Eclipse放射治疗计划系统（TPS,V11.0）提供的勾画工具逐一处理方法与MIM软件设计编译的工作流批处理方法,分别生成DLSs,观察工作流自动处理结果并对比完成时间.结果 工作流可一键自动生成包括计划靶区（PTVs）外、PTVs内、危及器官（OARs）及辅助等4类最多28个DLSs,所花费时间较逐一处理方法最多可节省92.8％,平均节省90.5％,其差异具有统计学意义（t=32.14～61.59,P＜0.05）.结论 在NPC的IMRT计划设计中,利用MIM平台编译的工作流,可批处理自动生成DLSs,可有效减少勾画时间,提高了物理师的工作效率.     

放疗靶区呼吸运动对CT模拟定位图像重建的几何体积精度的体模实验研究

目的:研究放射治疗病人的不同呼吸运动状态对CT模拟定位扫描的图像重建精度的影响以及对放射治疗计划设计和评估的影响。方法:使用动态体模模拟放疗患者肺部靶区的呼吸运动,测试和计算不同运动周期和幅度下用于治疗计划设计的CT扫描的图像重建几何体积的变化。体模运动单元包含1cm和2cm的两个统一密度的球体和边长3cm的正方体,分别设定在沿CT定位床轴向以±1cm和±2cm的幅度作运动周期为3s,4s,5s,6s和10s的匀速振动。CT扫描条件为螺距1.5,层厚5mm,扫描速度1Slice/s。在CT模拟定位工作站上对扫描的原始数据进行三维图像重建,以自动阈值勾画方式计算模拟靶区体积大小,并与体模的实际几何体积比较确定误差。结果:(1)在体模运动方向有明显的几何体积误差,且可能形成明显的成像间隙。(2)重建的模拟运动靶区体积变化与其物理体积大小和运动状态相关。在选定的CT扫描参数和靶区体积的运动状态下,CT扫描图像重建的体积误差最大达66.7%,在振幅为2cm时相隔2cm的模体图像甚至可能发生部分重迭。(3)靶区图像的几何中心可能发生偏差,从而造成治疗计划设计的射野中心偏差。结论:在呼吸运动幅度和周期分别大于2cm和4s时有必要对定位患者采取呼吸限制方式进行CT模拟定位扫描或根据实际测量结果评估靶区体积误差可能带来的计划误差。     

全身集成定位架对放疗靶区吸收剂量的影响

目的:研究YC-TQ-Ⅱ型全身集成定位架对放疗靶区吸收剂量的影响。 方法:将尺寸为30 cm×30 cm×15 cm的固体水模体固定在全身集成定位架体部中心轴上进行CT扫描后,将CT图像导入XiO TPS并勾画出固体水模体、靶区及全身集成定位架结构,之后以电离室为中心,机架角度从0°开始每隔一定角度添加一个10 cm×10 cm、100 MU不同能量射线的照射野。考虑到高密度材料的大小对机架角度的影响,在以下机架角度范围内每隔1°测一个值（61°~79°、101°~119°、241°~259°、281°~299°）;在其他机架角度范围内每隔10°测一个值（0°~60°、80°~100°、120°~240°、260°~280°、300°~350°）。根据对称性计算出高能X射线穿过全身集成定位架的衰减率,随后在医用直线加速器上用UNDOSE剂量仪进行同等条件下的测量来验证XiO TPS计算的准确性,最后在XiO TPS上对比有无全身集成定位架的三维适形放疗计划靶区吸收剂量变化情况。 结果:全身集成定位架对高能X射线的最大衰减率为:13.0%（6 MV）、11.4%（15 MV）,并且XiO TPS计算值与实际测量值符合得很好,最大偏差0.6%（15 MV）;添加全身集成定位架后靶区的D95%由6 000 cGy变化为5 304 cGy（6 MV）、5 484 cGy（15 MV）;放疗计划靶区的均匀性指数分别由0.091（6 MV）、0.104（15 MV）变化为0.195（6 MV）、0.175（15 MV）;靠近体架端靶区的6 000 cGy、5 500 cGy等剂量线明显上移,且6 MV比15 MV严重。 结论:YC-TQ-Ⅱ型全身集成定位架中的高密度材料可显著降低放疗靶区的吸收剂量,需要考虑其对高能X射线的衰减率并加以修正。     

Optical Surface Monitoring系统跟踪运动靶区的位置精度和剂量精度验证

目的:评估Optical Surface Monitoring System(OSMS)测量靶区运动的几何精度和使用OSMS跟踪运动靶区放疗时的剂量精度。方法:①分别使用OSMS与锥形束CT监测腹部模体的位置,通过移动治疗床使模体产生位移和旋转,对比二者对模体位置的测量结果;②用呼吸运动平台搭载MatriXX二维电离室阵列,测量不同跟踪阈值时模体内相对剂量,分别与计划剂量分布对比,分析不同跟踪阈值时计划验证的gamma通过率。结果:OSMS和锥形束CT系统对模体平移和旋转预设偏移的测量结果差异很小,使用OSMS门控技术时OSMS的阈值越小gamma通过率越高,相对剂量分布与计划剂量的一致性也越好。结论:OSMS系统对模体表面位置监测精度高,可以应用到实际放射治疗的辅助摆位。使用OSMS门控技术跟踪运动靶区可以提高靶区的剂量精度,而且对患者不附加任何电离辐射,适合应用于分次间的辅助摆位和分次内的靶区跟踪。     

基于PCNN的PET／CT图像分割在肺癌靶区勾画中的应用

摘要：目的：研究基于脉冲耦合神经网络PCNN的PET／CT图像自动分割技术在肺癌靶区勾画中的应用。方法：采集20例无转移的肺癌患者的PET／CT图像。由2名有经验的放疗科医生分别依据CT图像和PET／CT图像采用目测法勾画肿瘤靶区,分别命名为GTV-cT和GTV-PET。所有PET图像均由自主编写的基于PCNN的分割方法进行靶区的自动分割．所得靶区为GTv-PETauto。采用PINNACLEV9．2放射治疗计划系统分别计算三种方法所勾画的靶区体积,对三种GTV的体积大小和重合关系进行比较。结果：两名医生依据cT图像勾画的靶区平均体积GTV-CTl和GTV-CT2分别为（210．56＋197．38）cm3和（192．83±187．05）cm3,两者之间差异有统计学意义（P〈0．05）;依据PET／CT勾画的靶区GTV-PETl和GTV．PET2分别为（141．50±118．43）cm3和（130．47±116．70）cm3,未见统计学差异（P〉0．05）。两名医生依据PET／CT图像勾画的靶区差异较依据CT的差异小。PET／CT自动分割靶区GTV-PETauto为（133．19±101．28）cm3,与GTV-PET比较未见统计学差异（P〉0．05）,验证了PCNN分割方法的可靠性。GTV-PETauto、GTV-PET均小于CT手动勾画靶区GTV-CT,差异有统计学意义（P〈0．05）,其中13例靶区因区分肿瘤和肺不张而缩小。结论：基于PCNN的PET／CT图像分割技术提高了肿瘤靶区勾画的精确性,减少了不同医生勾画靶区的差异性,并大大缩短了医生进行靶区勾画的时间。     

基于食管癌放疗的剂量学参数研究几何指标评价自动勾画轮廓准确度的可行性

目的:探讨几何指标HD、HDmean、HD95%、DSC、Jaccard间的差异,并结合食管癌放疗的剂量学参数研究几何指标评估自动勾画轮廓准确度的临床可行性。方法:选取在四川大学华西医院放疗科接受放射治疗的15例食管癌患者作为研究对象,采用ABAS软件勾画双肺、脊髓、心脏等结构,将高年资医生修改、审核后的轮廓视为参考轮廓。在参考轮廓产生的原剂量分布图上获取相应的自动勾画结构的剂量学参数,利用线性回归R^2来量化几何指标与剂量学参数间的相关性。结果:距离类几何指标(0~44.7 mm)波动范围较体积类指标(0.7~1.0)大;几何指标与剂量学参数间的相关性,强弱各异且不一致(45%存在相关性,P<0.05)。结论:剂量学参数深受轮廓所在位置、轮廓差异的影响,凸显了它在临床评估过程中的重要性,也表明仅用几何指标是不可靠的,建议与剂量学参数相结合。