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：目的探讨逆向调强适形放疗(IMRT)的剂量学验证方法,建立适合临床要求的评价标准。方法随机抽取30例头颈部肿瘤患者,进行CT定位扫描,然后把图像传输至Pinnacle逆向治疗计划系统,并设计出均分野(5-9野)治疗计划。利用固体水在治疗计划系统中建立三维等效模体,将待验证的IMRT计划移植到模体内,分别计算出每野在模体中的剂量分布并传输至MAPCHECK验证软件系统。在加速器下进行模拟照射并与计划系统计算的平面剂量相比较,采用DTA和Gamma方法,限定在3%/3 mm,10%标准条件下验证相对剂量和绝对剂量的通过率,并采用SPSS 16.0统计软件进行配对t检验。结果所有射野中Gamma方法相对量的通过率在(94.2±2.6)%,绝对量的平均通过率在(93.2±2.1)%;DTA方法相对量的通过率在(92.1±3.3)%,绝对量的平均通过率在(90.6±2.8)%。两种方法的通过率存在显著差异。结论调强验证中不同评价方法验证结果受多种因素影响,相应的临床价值需要进一步研究,以确保医疗质量。

摘要：目的设计一种西门子加速器多叶光栅(Multi-Leaf Collimator,MLC)电机寿命预警系统,实现电机寿命预警值报警。方法采用VC++程序分别读取计划系统中导出的计划文件、网络传输系统中的日志文件。对82叶光栅每天的行程进行计算,并从更换之日起开始累加。统计10个电机的寿命取平均值作为平均寿命,累加行程与平均寿命的比值为寿命进度,每天晚上24时系统对寿命进度进行更新。结果该预警系统实现了每天对西门子加速器MLC电机寿命进度实时更新,若寿命进度大于90%,则进行报警。结论预警系统的使用减少了设备维修工程师的工作量,提高了机器开机率,增加了病人治疗效果。