基于3D U-net的宫颈癌近距离治疗剂量分布预测

目的 基于三维（3D） U-net深度学习模型,建立预测CT引导下宫颈癌近距离治疗计划的3D空间剂量分布。方法 2021年4-9月收集114例宫颈癌患者三维近距离放疗计划（处方剂量6 Gy）组成数据集,按84 ∶11 ∶19划分为训练集、验证集、测试集。利用3D U-net模型进行500次（epoch）训练,分别评估测试集病例体素级的平均剂量偏差（MDD）与绝对剂量偏差（MADD）、等剂量面包围体积的戴斯系数（DSC）、处方剂量适形度指数（CI）、高危临床靶区（HRCTV）的D₉₀和平均剂量D_mean、膀胱、直肠、小肠、结肠的D_{1 cm³}与D_{2 cm³}剂量学参数。结果 测试集中19例患者的3D剂量矩阵MDD与MADD分别为-0.01±0.03和（0.04±0.01） Gy。50%到150%处方剂量的DSC在0.89到0.94之间,处方剂量CI为0.70±0.04。HRCTV的D₉₀的平均偏差为2.22%,D_mean的偏差为-4.30%。膀胱、直肠、小肠、结肠的D_{1 cm³}与D_{2 cm³}最大偏差分别为2.46%和2.58%。模型预测平均耗时2.5 s。结论 本研究实现了一种基于3D U-net的预测宫颈癌3D剂量分布的深度学习模型,为宫颈癌近距离治疗自动化设计奠定基础。     

宫颈癌腔内联合组织间插植近距离治疗优化算法剂量学分析研究

目的在宫颈癌腔内联合组织间插植近距离治疗(IC/ISBT)中, 基于剂量学及生物学模型的帮助, 进行图形优化(GO)、模拟退火逆向计划优化算法(IPSA)和混合逆向计划优化算法(HIPO)的比较分析, 为宫颈癌IC/ISBT治疗优化方法的选择提供依据。方法选取65例接受影像引导下IC/ISBT的宫颈癌患者。所有患者后装治疗计划分别采用GO、IPSA、HIPO优化的方式制定3次, 处方剂量高危临床靶区体积(HRCTV)D90均为6 Gy。针对3种优化方案的用时、剂量-体积参数及放射生物学差异, 采用非参数Friedman检验以及非参数Wilcoxon秩检验进行比较分析。结果逆向计划优化耗时均较正向计划耗时短, 时间分别是GO 135.03 s、IPSA 46.53 s、HIPO 98.36 s, 肿瘤靶区剂量中高剂量照射的V150%(53.66%)在HIPO计划中略高, 而高剂量照射的V200%(30.29%)在GO计划中更高。GO的适形度指数(CI)(0.91)较其他计划更好, 差异具有统计学意义(χ2=69.98, P<0.001)。HIPO计划的膀胱与直肠的D1 cm3、D2...