应用热释光剂量计研究放疗中热塑膜对体表吸收剂量的影响

目的 探讨应用LiF(Mg、Cu、P)热释光剂量计(TLD)测量2种不同照射方式下热塑膜对固体水或Alderson Rando仿真人模体体表吸收剂量的影响,为临床治疗提供参考。方法 首先应用6MV-X射线筛选出符合临床测量要求的TLD,然后应用筛选好的TLD测量2种不同照射技术下的固体水或仿真人模体体表相对吸收剂量：(1)采用源皮距(SSD)=100 cm垂野照射技术时固体水模体体表相对吸收剂量,其中一组无热塑膜覆盖,另一组覆盖热塑膜;(2)采用容积旋转调强(VMAT)技术照射时仿真人模体体表相对吸收剂量,其中一组无热塑膜覆盖,另一组覆盖热塑膜。分别比较2种照射技术下热塑膜对体表相对吸收剂量的影响。结果 在SSD=100重野照射技术条件下,无热塑膜与有热塑膜覆盖固体水模体体表相对吸收剂量分别为108.67、138.60 cGy,两者比较差异有统计学意义(P<0.001),热塑膜能够提高27.5%的体表相对吸收剂量;在VAMT照射技术条件下,无热塑膜与有热塑膜覆盖仿真人模体体表相对吸收剂量分别为98.83、154.95 cGy,两者比较差异有统计学意义(P<0.001),热塑...     

基于FC_DenseNet深度学习网络自动分割肺癌放疗中的危及器官

目的:建立一种基于密集连接深度学习的端到端胸部CT图像危及器官自动分割方法,提供一个高精度的自动分割模型,减轻医师临床勾画的工作强度。方法:收集36例肺癌患者CT图像,27例作为训练集,随机取6例作为验证集进行交叉验证,测试集为9例,训练时间约为5 h,完成了左肺、右肺、脊髓、心脏4个危及器官的自动分割,并使用Dice系数、HD95距离与平均表面距离(ASD)3个指标对测试集进行测试。结果:测试集的分割结果显示,与U-Net与ResNet50相比,FC_DenseNet网络在Dice值、HD95、ASD指标上表现较好,但是不同网络之间的分割结果并没有显著差异(P>0.05),FC_DenseNet网络Dice值最高是左肺为0.98,最低为心脏0.84。结论:本研究的结果表明,密集连接结构的深度学习模型能够较为准确地分割左右肺、脊髓、心脏4个危及器官,这种特征图复用的思想为基于深度学习的医学图像分割提供了新思路。     

基于深度学习和图谱库方法自动勾画肿瘤放疗中危及器官的比较

【摘要】目的:评估比较基于深度学习（DL）和图谱库（Atlas）方法自动勾画不同部位肿瘤放疗中危及器官（OARs）轮廓的几何学精度,为临床应用提供依据。方法:选择40例肿瘤患者的CT图像（头颈部、胸部、腹部和盆腔肿瘤患者各10例）,由资深放射治疗医师手动勾画OARs,然后再分别使用基于DL和Atlas方法的自动勾画软件勾画OARs。采用形状相似性指数（DC）、Jaccard系数（JC）、Hausdorff距离（HD）、体积差异（VD）等多个指标评价基于DL和Atlas自动勾画与手动勾画OARs的几何学一致性。结果:除直肠外,采用DL方法勾画的多数OARs的DC指标高于0.7,优于Atlas方法,差异有统计学意义（P<0.05）。此外,DL方法的JC值除晶体、直肠、脊髓外也都大于0.7。HD中最大的是脊髓,两种方法均超过20 mm。DL方法中VD绝对值较大的是直肠。结论:基于DL方法自动勾画的OARs几何精确度总体上高于Atlas方法。下一步,通过继续增大训练集的数据量可进一步提高基于DL方法模型的鲁棒性,从而更好地辅助放射肿瘤医师,使肿瘤患者获益。     

国产自主研发二维水箱应用于螺旋断层 加速器束流质控的可行性研究

目的 使用国产二维水箱在螺旋断层加速器(TOMO)上测量百分深度剂量(PDD)和射野离轴剂量分布,探索其应用于TOMO束流质控的可行性。方法 使用国产二维水箱在TOMO上采集数据。选择40.0 cm × 1.0 cm、40.0 cm × 2.5 cm、40. 0 cm × 5.0 cm 3个射野测量水下1.5、5.0、10.0、15.0、20.0 cm深度的横向离轴剂量分布,选择25.0 cm × 1.0 cm、25.0 cm × 2.5 cm、25.0 cm × 5.0 cm 3个射野测量百分深度剂量曲线以及水下1.5、5.0、10.0、15.0、20.0 cm 深度的纵向离轴剂量分布,将所有数据导入TEMS软件进行γ分析。结果 以厂家金标准数据为基准,国产水箱PDD曲线在3个射野条件下基本吻合,建成区差异偏大,PDD₂₀/PDD₁₀相对偏差>1%。横向离轴剂量分布在3个不同射野条件下除20.0 cm外其他4个深度处所测四分之一高宽(FWQM)均<1%;在3个不同射野、不同深度条件下所测数据在2%/1 mm标准下γ值均>1。纵向离轴剂量分布除射野25.0 cm × 1.0 cm外,其他两个射野不同深度条件下所测半高宽(FWHM)均<1%;除射野25.0 cm × 5.0 cm、深度为15.0和20.0 cm外,其他不同射野不同深度条件下所测数据在2%/1%射野宽度的分析标准下γ值均>1。结论 国产二维水箱部分满足TOMO日常质控需求但仍需进一步优化改进以完全满足TOMO的临床验收需求。     

基于MHA-resunet神经网络的非小细胞肺癌VMAT放疗剂量分布预测研究

目的 应用深度学习神经网络高精度预测非小细胞肺癌(NSCLC)患者容积旋转调强放疗(VMAT)计划的剂量分布。方法 基于Res-Unet基础网络引入大核空洞卷积模块和多头注意力(MHA)机制构建了MHA-resunet网络。在此基础上,以随机数表法从上千例接受VMAT放疗NSCLC患者中选取151例患者,以CT图像、计划靶区(PTV)与危及器官(OARs)轮廓作为输入,以剂量分布图作为输出训练神经网络。然后将该网络的性能与常用的几种网络的性能进行比较,通过PTV与OARs内的体素级平均绝对误差(MAE)和临床剂量体积指标误差对网络性能进行评估。结果 基于MHA-resunet网络的预测剂量与真实计划剂量的平均绝对误差在靶区内为1.51 Gy,靶区的D₉₈、D₉₅误差均<1 Gy。与Res-Unet、Atten-Unet、DCNN 3种常用网络比较,MHA-resunet在靶区与除心脏外的OARs内的剂量误差均为最小。结论 MHA-resunet网络通过提高感受野来学习靶区与危及器官的相对位置关系,能够准确地预测接受VMAT放疗的NSCLC患者的剂量分布。