基于RayStation计划系统的宫颈癌容积旋转调强自动计划设计

作     者：王雪桃 肖江洪 赵建玲 王强 宋莹 柏森 Wang Xuetao;Xiao Jianghong;Zhao Jianling;Wang Qiang;Song Ying;Bai Sen

作者机构：四川大学华西医院放射物理技术中心成都610064 

基　　金：本研究接受四川大学优秀青年教师科研启动基金(2017SCU11020)资助 由署名作者按以下贡献声明独立开展 未接受有关公司的任何赞助 不涉及各相关方的利益冲突 在此对研究的独立性和科学性予以保证 

出 版 物：《中华放射医学与防护杂志》 (Chinese Journal of Radiological Medicine and Protection)

年 卷 期：2018年第38卷第10期

页      码：751-755页

摘      要：目的 研究在RayStation 4.7计划系统平台上实现基于预测模型和自动优化算法的宫颈癌容积旋转调强（VMAT）全自动计划设计。方法 选取40例宫颈癌VMAT专家计划进行分析，使用主成分回归分析方法建立危及器官的体积剂量直方图（DVH）预测模型，运用IronPython编程语言在RayStation 4.7计划系统平台上实现基于预测模型的宫颈癌VMAT计划的自动创建和自动优化，并通过与手动计划的比较来评估自动计划的质量和效率。另外选取10例专家计划用于验证模型的准确性和自动计划的可行性。结果 10例宫颈癌VMAT计划测试结果显示预测模型能够很好地预测直肠、膀胱和小肠的剂量体积参数；自动计划与专家计划相当，而与原始手动计划相比，靶区的均匀性和适形性差异无统计学意义（P〉 0.05），膀胱平均V40和V50下降4.3%和1.6%，（t=2.75、5.26，P〈 0.05），直肠平均V30、V40和V50下降6.8%、5.8%和2.1%（t=2.26、3.55、5.19，P〈0.05），左右股骨头平均剂量分别下降380和322 cGy（t=5.55、7.25，P〈 0.05），小肠平均剂量差异无统计学意义（P〉 0.05）。自动计划和手动计划平均用时分别为36和53 min。结论 RayStation计划系统平台上基于IronPython语言并结合预测模型的自动计划程序能够快速高效地完成高质量的宫颈癌VMAT计划。

主 题 词：自动计划 DVH预测 Ray Station计划系统 Iron Python语言 

学科分类：0831[工学-公安技术类] 1002[医学-临床医学类] 1001[医学-基础医学] 08[工学] 1010[医学-医学技术类] 100214[100214] 100106[100106] 10[医学] 

D　O　I：10.3760/cma.j.issn.0254-5098.2018.10.006

馆 藏 号：203395129...