摘要：目的:构建基于深度学习(deep learning, DL)的卷积神经网络模型,实现宫颈癌患者放射治疗计划的临床靶区体积(clinical target volume, CTV)和危及器官(organ at risks, OARs)自动勾画。方法:回顾性分析在福建省肿瘤医院行放射治疗的宫颈癌患者99例。对患者CT图像进行预处理,作为模型输入。设计一种基于DL的自动勾画模型,使用组合损失函数训练该模型。以医师手动勾画为度量标准,计算DL自动勾画模型下CTV靶区和膀胱、直肠、乙状结肠、左右骨髓、左右股骨头的准确率,并与基于图谱的自动勾画方法(atlas-based auto segmentation, ABAS)相比较。结果:DL模型在CTV靶区和7种危及器官(膀胱、直肠、乙状结肠、左右骨髓、左右股骨头)的戴斯系数分别为(0.85±0.02、0.94±0.04、0.87±0.03、0.67±0.14、0.85±0.03、0.87±0.03、0.87±0.06和0.87±0.06),95%豪斯多夫距离(mm)分别为(3.22±0.56、1.37±0.37、1.41±0.34、27.39±35.63、1.40±0.17、1.36±0.22、6.78±7.89和6.45±7.44),平均表面距离(mm)分别为(0.25±0.05、0.12±0.06、0.19±0.05、2.29±2.71、0.16±0.04、0.15±0.03、0.36±0.33和0.38±0.37)。DL勾画模型的戴斯系数均高于ABAS勾画模型。除乙状结肠外,DL勾画模型的95%豪斯多夫距离和平均表面距离均小于ABAS勾画模型。结论:提出的DL模型能较好地实现宫颈癌放疗临床靶区和危及器官的自动勾画,可为临床医师勾画提供初步参考,节省临床靶区和危及器官勾画的时间。

摘要：目的研究3D打印技术在个体化宫颈癌近距离放射治疗中运用的可行性。方法选择2019年6月至12月在福建省肿瘤医院行近距离放射治疗的ⅡB-ⅢB期宫颈癌患者20例,年龄44~76岁,中位年龄56岁;鳞癌19例,腺癌1例。将其分为3D打印组和常规插入组。根据带有导向模板的CT图像,勾画高危靶区(HRCTV)、中危靶区(IRCTV)及膀胱、直肠、乙状结肠等危及器官。于Nucletron Oncentra计划系统中设计相应的插植针道及针数、驻留点及驻留时间,逆向优化后形成预计划。两组处方剂量HRCTV为700 cGy。分别评估3D打印组和常规插入组靶区、危及器官的剂量学参数的差异。结果 HRCTV D90在3D打印组、常规插入组分别为(699.85±3.61) cGy、(703.00±2.59) cGy,二者差异有统计学意义(P0.05)。膀胱、直肠、乙状结肠的D_(5cc)、D_(2cc)、D_(1cc)、D_(0.1cc)两组比较,差异无统计学意义(P>0.05)。结论宫颈癌近距离治疗中,3D打印组与常规插入组比较,在剂量分布上合理,差异无显著性,但该方法操作简单、方便,也是一种可行的治疗方式。