摘要：基于几何学和剂量学指标评估基于深度学习的危及器官(Organsatrisk,OARs)自动勾画的临床适用性,选取在复旦大学附属肿瘤医院接受放射治疗的35例直肠癌患者,采用自主开发的深度学习系统实现OARs自动勾画。以医生手动勾画的OARs作为参考,自动勾画的几何学评估指标包括戴斯相似系数(DSC)、雅卡尔相似系数(JSC)、豪斯多夫距离(HD),平均一致性距离(MDA)。对于每个病例,基于自动勾画的OARs设计治疗计划,计划优化和评估过程与临床程序保持一致,记为Plan_FD。比较Plan_FD与原始临床治疗计划(记为Plan_Treat),以剂量体积参数和三维γ分析评估剂量学差异。自动勾画与手动勾画的OARs不仅在三维空间上高度重叠(DSC平均值大于0.85),且在边缘细节上匹配度良好(MDA的平均值小于2.8 mm)。剂量学评估仅膀胱剂量(V_(30)、V_(40)、D_(mean))有显著统计学差异(p<0.05),其余OARs和靶区的剂量体积参数差异均无统计学意义。Plan_FD与Plan_Treat进行3 mm/3%标准的三维γ分析,γ≤1.0的点占比为(91.63±6.27)%。基于深度学习自动勾画与医生手动勾画的OARs具有较高的几何相似度,自动勾画的OARs对计划剂量分布的影响并不显著,具有直接应用于临床计划设计的潜力。

摘要：目的观察引入靶区外扩预测放射治疗(放疗)中自动分割危及器官(OAR)的平均剂量偏差的价值。方法将100例接受放疗的直肠癌患者随机分为训练集(n=30)和测试集(n=70)。对训练集手动分割CT图中的靶区,之后分别对膀胱、小肠和双侧股骨头4个OAR进行手动和自动分割。根据自动分割的OAR设计放疗计划,得到对应的剂量分布;利用Python程序统计每个OAR与靶区外扩环重叠区域内的剂量平均值,以之作为代表剂量,用于预测测试集手动与自动分割平均剂量的差异,比较预测平均剂量与实际平均剂量的差异。再次随机将100例分为训练集、测试集各50例,重复上述过程。结果首次预测显示,测试集70例中,69例膀胱预测与实际剂量差异均<0.5 Gy,69例小肠预测与实际剂量差异均<3 Gy,全部70例双侧股骨头预测与实际剂量差异均<0.5 Gy;对于膀胱、小肠和左、右侧股骨头,预测与实际平均剂量差异的一致性相关系数(CCC)分别为0.96、0.86、0.81和0.69。第2次预测显示,测试集50例中,46例膀胱的预测与实际剂量差异均<0.5 Gy,49例小肠的预测和实际剂量差异均<3 Gy,所有病例双侧股骨头的预测和实际剂量差异均<0.5 Gy;对于膀胱、小肠和左、右侧股骨头,预测与实际平均剂量差异的CCC分别为0.97、0.90、0.82和0.78。结论引入靶区外扩可有效预测直肠癌放疗中自动分割OAR产生的剂量偏差。

摘要：目的:探讨PV-iCurve人工智能(artificial intelligence,AI)勾画系统勾画的危及器官(organ at risk,OAR)直接应用于鼻咽癌放疗计划设计优化的可行性。方法:52例鼻咽癌病例纳入本研究。以医生手工勾画的危及器官(OAR-M)为参考,通过戴斯相似系数(Dice similarity coefficient,DSC)、体积差异(volume difference,VD)两个指标去评估PV-iCurve人工智能勾画系统自动勾画的危及器官(OAR-A)的几何准确性。基于OAR-M优化生成计划Plan-M,基于OAR-A优化生成计划Plan-A。比较Plan-A与Plan-M两组计划靶区PCTV2、PGTV_(nx)的适形度指数(conformity index,CI)和均匀性指数(heterogeneity index,HI),并比较两组计划的危及器官受照剂量。结果:脑干、脊髓、左右眼球、口腔、下颌骨、左右腮腺、喉等体积较大的危及器官,AI勾画结果的DSC值均在0.7以上,VD值更接近0;而左右晶体、左右视神经、视交叉等体积较小的危及器官,AI勾画结果的DSC值基本都在0.7以下,VD值也更大。PCTV2适形度Plan-A与Plan-M两组计划对比为0.84±0.02 vs 0.84±0.02(P>0.05);PGTV_(nx)适形度Plan-A与Plan-M两组计划对比为0.84±0.04 vs 0.86±0.02(P<0.05),PGTV_(nx)均匀性Plan-A与Plan-M两组计划对比为0.07±0.02 vs 0.06±0.02(P<0.05)。危及器官受照剂量方面,Plan-A的OAR-M与Plan-M的OAR-M受照剂量对比情况,除下颌骨和左侧视神经外,其余OAR-M的受照剂量Plan-A均高于Plan-M,脊髓、口腔、左腮腺、喉、左右晶体等6个OAR-M两组计划对比P<0.05,差异有统计学意义。结论:PV-iCurve人工智能勾画系统在头颈部大体积危及器官的勾画准确性较高,小体积危及器官则有所欠缺。将OAR-A直接用于调强放疗计划的设计优化,会导致真实的危及器官受照剂量升高,增加正常组织发生并发症的概率。为了能够准确反映危及器官的受照剂量,建议在应用于鼻咽癌调强放疗计划设计之前,对危及器官勾画的准确性进行检查修改。

摘要：目的 探讨断层定野照射(TomoDirect,TD)和断层螺旋照射(TomoHelical,TH)技术治疗鼻咽癌的剂量学参数与危及器官保护作用。方法 回顾性分析2022年2—8月厦门大学附属第一医院收治的30例已行放疗治疗的鼻咽癌患者,在螺旋断层放疗计划系统上分别进行5野和7野的TD(TD_(5)和TD_(7))及TH 3种技术的模拟计划,比较3种技术设计的计划靶区和危及器官的剂量学差异及治疗参数。结果 3种技术设计的鼻咽癌放疗计划都能达到满意的靶区剂量覆盖。对于脊髓、脊髓危及器官计划靶区(planning organ at risk volume,PRV)、晶体PRV、视神经、视神经PRV、视交叉、视交叉PRV、腮腺33%的靶区体积接受的剂量(D_(33%))、平均剂量(D_(mean))、喉、口腔和下颌骨最大剂量(D_(max))的保护,TH、TD_(7)技术相当,但都优于TD_(5)技术(P TD_(7)> TD_(5)(P TH> TD_(5)(P 0.05);TH计划治疗时间最长(P 0.05)。结论 对于鼻咽癌放疗患者而言,TH计划具有明显的优势性,可满足鼻咽癌患者临床剂量学要求,适形度方面TH计划最强,均匀性方面与TD_(7)计划相当,但强于TD_(5)计划,对危及器官的保护作用方面也具有优势,虽在低剂量区和治疗时间方面存在一定劣势,仍然更适宜于鼻咽癌患者,可作为临床治疗手段推广。

摘要：目的采用四维计算机断层扫描(4D-CT)检测研究非小细胞肺癌(NSCLC)体部立体定向放射治疗(SBRT)中10个呼吸时相肺、脊髓等危及器官(OAR)的剂量变化。方法收集2020年1至10月浙江省人民医院22例未进行手术的NSCLC患者的临床影像学资料。根据肿瘤位置分为内部肿瘤组(肿瘤完全位于肺内部且与胸壁距离≥1 cm)11例和边缘肿瘤组(肿瘤位于肺内靠近胸壁且距离胸壁0.05)。内部肿瘤组肺体积变化和各个肺、体剂量变化的差异均有统计学意义(均P0.05)。结论4D-CT检测可以更加精确地计算和评估肿瘤组织和OAR剂量,为患者个体化精确放疗的实施提供依据。

摘要：目的探讨手术与非手术妇科恶性肿瘤患者在调强放疗(IMRT)中危及器官的体积和位置变化。方法纳入该院2021年1-3月收治的31例行盆腔IMRT的妇科恶性肿瘤患者,根据是否手术将患者分为手术组(n=15)和未手术组(n=16)。在放疗的第10、15、20次行CT校位扫描,勾画3次校位CT图像上的小肠、膀胱、直肠,并将其融合在放疗前的定位CT图像上,比较两组危及器官在放疗过程中的体积、体积变化率、体积重复率和中心点位移差异。结果两组膀胱和直肠的体积、体积变化率、体积重复率比较,差异均无统计学意义(P>0.05)。两组小肠的体积变化率无明显差异(P>0.05),但手术组小肠的体积重复率明显高于未手术组(P=0.001)。手术组的直肠在头脚方向位移较未手术组大,差异有统计学意义(P=0.018)。结论妇科恶性肿瘤术后患者的小肠运动较未手术者减弱,而直肠运动在头脚方向较大,放射肿瘤科医师需分别考虑手术和未手术患者小肠和直肠运动特点,以设计合理的靶区减少相关不良反应。

摘要：目的 比较宫颈癌逆向调强放疗技术(IMRT)和旋转容积调强技术(VMAT)2种放疗计划的PTV及危及器官剂量学参数差异。方法 回顾性选取2019年8月至2022年8月于宣城市人民医院行手术治疗的78例宫颈癌患者,于同一CT图像上设计IMRT、VMAT计划,处方剂量在45 Gy/25次,危及器官限量参考临床,基于平台获取计划结果,在靶区95%体积达到处方剂量下比较2种计划靶区参数、危及器官剂量分布。结果 VMAT计划对危及器官保护具有较大差异,小肠V20、V30,膀胱V40,股骨头V20、V30,骨盆V20、V30,马尾Dmax优于IMRT计划,差异均有统计学意义(P<0.05);除直肠外各器官Dmax、Dmean下降,差异均有统计学意义(P<0.05)。VMAT计划体内超过15 Gy剂量覆盖体积较小,不足15 Gy积累量覆盖体积较大。两种计划髂骨、髋骨的受照射剂量分布最大,骶骨Dmean高于髂骨、髋骨,差异均有统计学意义(P<0.05)。结论 宫颈癌患者放疗过程中,相对于IMRT,VMAT计划能更好保护危及器官,有良好靶区适形、均匀度。

摘要：目的设计一种基于深度学习的自动勾画模型,用于勾画头颈部危及器官(OARs),并与基于图谱方法的Smart segmentation勾画软件进行比较。方法自动勾画模型由基于深度学习神经网络的分类模型和勾画模型组成。分类模型将CT图像从头脚方向分为6个分类,将每个OARs对应分类的CT图像输入勾画模型进行分割勾画。自动勾画模型使用150例病例训练模型,Smart segmentation使用相同的150例病例组成图谱库,两者同时对20例测试集进行勾画。使用相似度系数(DSC)和豪斯多夫距离(HD)评估2种方法勾画准确性,同时记录两种方法勾画花费时间。根据数据是否满足正态分布,分别使用配对t检验和Wilcoxon符号秩和检验。结果自动勾画模型的DSC和HD结果如下:脑干为0.88和4.41 mm、左眼球为0.89和2.00 mm、右眼球为0.89和2.12 mm、左视神经为0.70和3.00 mm、右视神经为0.80和2.24 mm、左颞叶为0.81和7.98 mm、右颞叶为0.84和8.82 mm、下颌骨为0.89和5.57 mm、左腮腺为0.70和11.92 mm和右腮腺为0.77和11.27 mm。除腮腺外,自动勾画模型勾画结果均优于Smart segmentation,差异有统计学意义(t=3.115~7.915,Z=-1.352^-3.921,P<0.05)。同时,自动勾画模型速度比Smart segmentation提高了51.28%。结论利用深度学习方法建立了自动勾画头颈部OARs的模型,得到较准确结果,勾画精度和速度均优于Smart segmentation软件。

摘要：探究入射角度对中下段食管癌调强放射治疗的剂量学。方法 2020年1月-2022年10月,选择59例中下段食管癌患者进行调强放射治疗进行研究。基于患者病情严重程度和放射治疗需求,医师在确定放射剂量的基础上为每一例患者设计两套放射治疗计划,包括三维适行放射治疗(计划1)和7野调强放射治疗(计划2)。治疗期间合理调整射线,95%剂量曲线包全计划靶区,计划设计条件尽量维持一致。统计计划1、计划2执行期间,计划靶区、危及器官的剂量学情况。结果 比较CI,计划10.05)。比较心脏五项剂量学参数,计划1>计划2(P计划2(P0.05);比较脊髓Dmax参数,计划1>计划2(P<0.05)。结论 医师在拟定放射治疗方案时,需考虑到靶区损伤问题,尽量实现计划靶区无损伤,并保证放射治疗安全性,在满足放射剂量的情况下,基于中下段食管癌实际情况选择治疗计划,若双肺功能较差尽量选择计划1,若心脏功能较差尽量选择计划2。

摘要：目的探讨计算网格(GS)对乳腺癌改良根治术后调强放射治疗(IMRT)计划质量的影响。方法选取2022年1月至2023年12月于医院接受乳腺癌改良根治术后IMRT的15例患者作为研究对象,首先采用3 mm GS设计IMRT计划(3 mm计划),然后改变GS为2 mm(其余参数不变),重新设计计划(2 mm计划)。比较两种计划的计划靶区(PTV)剂量学指标[包括D2%、D98%、D_(mean)、均匀性指数(HI)及适形性指数(CI)]、危及器官(OARs)剂量学指标(患侧肺V_(5)、V_(20)、V_(30)、D_(mean)及健侧肺V_(5)、心脏D_(mean)、脊髓D_(max)),以及机器跳数(MU)和优化时间(OT)。结果PTV剂量学指标中,2 mm计划的D_(mean)低于3 mm计划,CI高于3 mm计划,差异均有统计学意义(P<0.05);OARs剂量学指标中,2 mm计划的脊髓D_(max)低于3 mm计划,差异有统计学意义(P<0.05);2 mm计划的OT为3 mm计划的2.96倍,差异有统计学意义(P<0.05)。结论2 mm GS IMRT计划的剂量学指标优于3 mm计划,对脊髓的保护效果更优,但计算效率更低。因此,设计乳腺癌改良根治术后IMRT计划时,应合理选择GS,以达到剂量计算准确性和计算效率的最佳平衡。