摘要：目的采用靶区和危及器官(OAR)的各项剂量学参数评估基于Pinnacle^(3)9.10放射治疗计划系统自动计划和人工计划之间的优劣。方法选择2020-02-01-2020-06-01四川省肿瘤医院行放射治疗的10例宫颈癌术后患者为研究对象,分别采用Pinnacle^(3)9.10治疗计划系统对其行手动容积弧形调强计划(Manual-VMAT)与自动容积弧形调强计划(Auto-VMAT)设计,比较98%、95%、90%、50%、2%的靶区体积所受剂量(D_(98)、D_(95)、D_(90)、D_(50)、D_(2))、靶区平均剂量(D_(mean))、适形性指数(CI)、均匀性指数(HI)、正常组织剂量分布(NTV_(x%))以及OARs的各项剂量学参数、机器跳数(MU)和优化时间。结果Auto-VMAT计划靶区D_(50)、D_(2)、D_(mean)分别为46.66±0.30、48.03±0.45、46.56±0.30,均低于Manual-VMAT计划的47.26±0.49、48.67±0.55、47.38±0.90,P值分别为0.005、0.019和0.013;Auto-VMAT计划的CI和HI分别为0.91±0.03、0.08±0.01,均优于Manual-VMAT计划的0.86±0.03、0.10±0.02,P值分别为0.005和0.014。Auto-VMAT计划NTV_(50%)和NTV_(30%)分别为3.54±0.38、7.81±0.70,均低于Manual-VMAT计划的3.71±0.34、8.35±0.76,P值分别为0.038和0.010。Auto-VMAT计划明显减少了优化时间,但增加了MU。结论Auto-VMAT计划相比于Manual-VMAT计划靶区适形性和均匀性更好,且靶区周围正常组织所受剂量更低,对OARs保护更佳,减少了制作计划所需的时间。

摘要：目的探讨不同类型多叶准直器(MLC)在宫颈癌容积旋转调强放疗(VMAT)中对靶区和危及器官的剂量学差异。方法选取2023年5月到2024年1月该院接受放疗的20例宫颈癌术后患者为研究对象,为每例患者分别设计Agility TM-MLC和MLCi2-MLC两种宫颈癌术后VMAT计划,比较两种计划靶区(PTV)剂量学参数、危及器官受照剂量、γ通过率和机器跳数(MU)的差异。结果与MLCi2-MLC比较,Agility TM-MLC的V 45、适形性指数(CI)和均匀性指数(HI)更优,差异有统计学意义(P0.05)。结论Agility TM-MLC的PTV适形性、均匀性及在高、低剂量区对危及器官的保护更好。

摘要：目的:基于改进Unet卷积神经网络模型,探讨模型应用于放射治疗中直肠癌靶区和危及器官分割的可行性。方法:研究回顾了120例直肠癌患者数据,随机选取80例作为训练集,20例作为验证集,20例作为测试集。自动分割勾画的目标包括了直肠癌的临床靶区(clinical target volume,CTV)、左侧股骨头、右侧股骨头、膀胱。采用戴斯相似性系数(Dice similarity coefficient,DSC)、豪斯多夫距离(Hausdorff distance,HD)和交并比(intersection over union,IoU)作为评价指标,网络模型自动勾画的结果与临床医生手动勾画结果进行比较,并与基于图谱的自动勾画技术(atlas-based automatic segmentation technique,ABAS)进行对比。结果:深度学习模型自动勾画CTV、膀胱、左侧股骨头和右侧股骨头的DSC值分别为0.90±0.06、0.95±0.11、0.98±0.01和0.96±0.05;95%HD值分别为(7.58±4.70)mm、(4.11±8.58)mm、(1.37±2.09)mm和(1.50±2.19)mm;IoU值分别为0.82±0.09、0.91±0.13、0.96±0.03和0.94±0.06。ABAS自动勾画CTV、膀胱、左侧股骨头和右侧股骨头的DSC值分别为0.83±0.13、0.68±0.27、0.89±0.12和0.88±0.13;95%HD值分别为(5.78±7.55)mm、(13.81±15.76)mm、(1.93±3.23)mm和(2.13±3.70)mm;IoU值分别为0.73±0.15、0.57±0.27、0.81±0.14和0.80±0.15。结论:基于改进Unet卷积神经网络模型在直肠癌的CTV和危及器官自动勾画任务中有较高准确率,应用于临床中能提高医生的工作效率和勾画一致性,有助于提升放射治疗的精准度,为后续自动化放疗计划设计的实现提供了支持。