宫颈癌自适应放疗中基于自配准与图谱库的自动勾画比较

目的 分析MIM软件在宫颈癌自适应放疗中基于自配准与图谱库的自动勾画的可行性与准确性。方法 选取60例宫颈癌患者的CT图像及勾画结果建立Atlas模板库。随机选取15例宫颈癌患者初次计划CT (pCT)与重新计划CT (rCT),由资深临床医师勾画CTV和危及器官。分别以刚性和形变两种配准方式将pCT的勾画传送到rCT图像上;并对各rCT图像行基于Atlas模板库的自动勾画,统计3种方法所需时间。利用Dice相似性系数(DSC)、交叉指数(OI)、Hausdorff平均距离(AHD)、质心距离(DC)评价勾画结果,并进行单因素方差分析。结果 Atlas组、刚性组和形变组完成1例所需平均时间分别为89.2、22.4、42.6 s。对于CTV和直肠的DSC、OI和AHD,刚性组和形变组与Atlas组之间不同(P<0.001),小肠的OI在刚性组和形变组与Atlas组之间有不同, CTV的DSC平均值分别为0.89(刚性组和形变组)、0.76(Atlas组)。对于膀胱、盆骨和股骨头,形变组的勾画结果最优。结论 形变组的勾画结果优于刚性组和Atlas组,3种勾画方式均能快速地完成靶区和危及器官的自动勾画。     

算法和匹配数目对宫颈癌危及器官自动勾画的影响

目的:探讨基于Atlas实施宫颈癌危及器官自动勾画时勾画算法及匹配数目对自动勾画结果的影响。方法:基于MIM-Maestro软件建立宫颈癌Atlas模板库,入库病例数目为60例。随机选择Atlas库外10例宫颈癌患者,由临床医生手动勾画危及器官（膀胱、直肠和双侧股骨头）,并定义为参考勾画（Vref）。应用多数投票算法和STAPLE算法,匹配数分别选择1、3、5、7、9进行自动勾画。采用勾画时间（T）、相似性系数（DSC）、敏感性指数（SI）、质心偏差（DC）、Jaccard系数（JAC）、Hausdorff距离（HD）评价勾画结果,并进行单因素方差分析和配对样本t检验。结果:勾画时间随匹配数目增大呈线性增加,与勾画算法无关。多数投票算法和STAPLE算法勾画结果均显示,匹配数为1时膀胱的SI和左股骨头的DSC、HD、JAC与匹配数为3、5、7、9时有统计学差异。STAPLE算法中,直肠和双侧股骨头的SI均显示匹配数目为1、3与5、7、9有统计学差异。两种勾画算法的比较结果显示,仅双侧股骨头的SI有统计学差异。结论:基于Atlas实施危及器官自动勾画时,勾画算法对结果基本无影响,所需时间与匹配数呈正比,综合勾画结果建议匹配数目选择3。     

新型立体定向放射外科治疗设备—Zap-X

精确的剂量照射是立体定向放射外科治疗成功的关键。Zap-X系统是一款具有自屏蔽功能的辐射治疗设备,用于脑部及头颈部肿瘤的立体定向放射外科治疗。本研究针对Zap-X系统的相关技术特点进行简述,分别从机械结构、自屏蔽系统、机械运动系统、辐射准直器系统、治疗计划系统、kV图像引导系统、MV影像验证系统等方面着重介绍了Zap-X系统的组成,阐述该系统的治疗过程,并总结对比其临床应用,最后对该系统的未来发展方向提出展望。其旋转式准直器的设计加上自身屏蔽防护的设计极大地降低了设备安装成本,可移动式MV探测器能实时监测治疗过程中的剂量准确性,采用直线加速器代替放射源,安全性、稳定性得到一定程度的提高。作为系统的初代产品,该设备还有诸多技术环节有待进一步改善。     

基于深度学习的自动分割方法对头颈部危及器官勾画的评价

目的：探讨与评价AccuContour软件基于深度学习的自动分割方法对头颈部危及器官(OAR)自动勾画结果的准确性。方法：选取20例鼻咽癌患者的CT图像资料,应用基于深度学习的机器算法模型AccuContour软件,对图像的19个OARs(脑干、脊髓、双侧眼球、双侧晶体、双侧视神经、垂体、双侧腮腺、口腔、下颌骨、双侧颌下腺、双侧颞颌关节、甲状腺和喉)进行自动勾画,勾画结果定义为深度学习勾画的体积(V_DL),对其进行手动修改后,将修改结果定义为参考勾画(V_ref),采用相似性系数(DSC)、Jaccard系数(JAC)、平均Hausdorff距离(AHD)、体积差异比(ΔV)、最大剂量(D_max)或平均剂量(D_mean)评价勾画结果。结果：除垂体、双侧颞颌关节及双侧视神经外,其他器官的DSC平均值均>0.7,JAC平均值均>0.6;各器官AHD均值最大为1.91 mm,最小为0.23 mm。双侧眼球、双侧晶体、下颌骨、双侧颌下腺、喉和甲状腺在剂量评估中表现优异,以ΔD_max