磁共振图像引导下前列腺癌在线自适应放疗自动勾画研究

目的:探讨深度学习(deep learning,DL)和图谱库(Atlas)联合的MRI引导下在线自适应放疗自动勾画方案的勾画效果。方法:选取2020年1月至2021年9月在某院进行MRI引导下在线自适应放疗的15例前列腺癌患者,以随机抽样法分成训练集(12例)和测试集(3例)。基于训练集分别建立DL勾画和Atlas勾画的临床靶区(clinical target volume,CTV)和危及器官(organs at risk,OAR)模型,基于测试集分别对2种勾画模型的结果进行修改并记录修改时长。对比2种勾画方法的勾画精度[戴斯相似性系数(Dice similarity coefficient,DSC)、豪斯多夫距离(Hausdorff distance,HD)和平均一致性距离(mean distance to agreement,MDA)]和勾画效率。结合2种方法勾画的优势及特点,建立DL+Atlas联合自动勾画方案,对比DL+Atlas联合自动勾画方案与单独勾画方案的勾画用时。结果:勾画精度对比结果显示,与DL勾画的CTV和OAR模型相比,Atlas勾画的CTV各项指标均优于DL勾画,差异有统计学意义(P<0.05);在膀胱和直肠方面,Atlas勾画的DSC和MDA劣于DL勾画,差异有统计学意义(P<0.05)。勾画效率对比结果显示,医生以DL勾画为基准修改CTV和OAR的平均时间为9.4 min,以Atlas勾画为基准修改CTV和OAR的平均时间为12 min。DL+Atlas联合自动勾画方案所需平均时间为8 min,优于DL及Atlas单独勾画方案。结论:DL+Atlas联合的MRI引导下在线自适应放疗自动勾画方案勾画用时少,具有较高的准确性,可提升勾画效率。

光子辐射场配置电磁场研究磁共振引导放疗(MRIgRT)参考剂量磁场因子的可行性

目的针对磁共振引导放疗(MRIgRT)射束参考剂量准确测量的需求,研究强磁场对辐射剂量测量的影响,验证医用加速器配置可变磁场测量磁场因子的可行性。方法利用常规医用电子直线加速器配置一对磁场强度高达1.5 T电磁铁所产生标称高压6 MV光子辐射场和可变磁场,使用PTW30013和PTW31010电离室,分别测试电离室轴与磁场方向夹角为0°、180°、90°和270°时0~1.5 T磁场强度范围内的电离室响应,对测量结果进行分析,计算磁场因子k_(B,M)。结果电离室响应读数随磁场强度增加而增加,并在1 T时达到峰值,当磁场强度继续增加,电离室读数随之降低。0.35 T磁场时,PTW31010电离室轴向与磁场方向垂直90°和平行0°下的电离室响应磁场因子k_(B,M)分别为0.9882±0.0003和0.9974±0.0004,后者与文献报道结果间差异为0.05%±0.04%。1.5 T磁场时,PTW30013电离室轴向与磁场垂直90°下k_(B,M)为0.9589±0.0005,与文献值相差0.60%±0.05%。结论在6 MV医用加速器配置电磁铁所测量的电离室响应磁场因子可用于进一步研究临床MRIgRT参考剂量磁场修正因子。

ViewRay磁共振引导放疗系统的研究进展

ViewRay磁共振引导放疗系统不但解决了成像剂量的问题,还能根据MRI进行精准摆位、在线自适应放疗以及门控照射。该系统的发展为精准放疗提供了一种新的技术手段。本文介绍ViewRay系统的主要结构,并综述质量控制体系、剂量学比较、呼吸运动管理、在线自适应放疗以及初步治疗效果。

磁共振引导放疗中射野外电子流效应的初步研究

目的研究1.5 T磁共振引导放疗中的电子流效应(ESE)及其对射野外剂量的影响。方法首先,利用Monaco系统研究了均匀射野(5 cm×5 cm)在规则几何模体外入射端和出射端的空气中ESE。其次,回顾性地选取在常规加速器上接受过放疗的1例喉癌病例和1例乳腺癌病例,重新用Unity机器模型在Monaco系统中进行剂量计算,研究磁场下ESE对射野外皮肤剂量的影响。结果在磁场作用下,规则几何模体的入射端和出射端都观察到ESE效应,但出射端ESE明显强于入射端。在喉癌病例中,ESE现象不明显,对射野外皮肤剂量影响很小。在乳腺癌病例中,射野外ESE会延伸到下颌附近,导致下颌皮肤剂量升高,1 cm^(3)体积对应剂量D_(1 cm^(3))=454.6 cGy。添加1 cm虚拟防护膜后,下颌皮肤剂量D_(1 cm^(3))降低到113.6 cGy,几乎与无磁场情况下相当(D_(1 cm^(3))=92.5 cGy)。结论磁场下的ESE会改变射野外的剂量分布,导致局部剂量升高。在喉癌病例中ESE不明显,但对于乳腺癌病例,ESE可延伸到下颌位置,外加防护膜对ESE具有较好的屏蔽效果。

ArcherQA系统在磁共振引导在线自适应放疗计划独立验算中的应用研究

目的探究将ArcherQA系统用于Elekta Unity 1.5T磁共振加速器上开展的磁共振引导自适应放疗计划独立验算的可行性。方法利用均匀水模体验证了ArcherQA在磁场下的剂量计算精度,然后利用抽签法随机选取32例在Unity上接受磁共振引导在线自适应放疗的患者,包含脑、纵隔、肝、肾、椎体等5个治疗部位、32个离线计划,177个在线计划。分别比较ArcherQA独立验算结果与ArcCheck测量结果、Monaco计划系统计算结果的γ通过率(3 mm/3%、2 mm/2%,阈值10%),定量评估ArcherQA系统对Unity在线计划独立验算的准确性和效率。结果ArcherQA系统可以较为准确地计算出磁场下光子线的剂量分布,在3 mm/3%标准下,水模体中方野验证结果γ通过率均高于99%。在更严格的2 mm/2%标准下,除20 cm×20 cm射野外,其他方野的γ通过率也都超过95%。对于治疗计划验证,ArcherQA计算的结果与ArcCheck测量数据,以及Monaco计划系统的计算数据都表现出较好的一致性,在3 mm/3%标准下平均γ通过率可达到99%以上,2 mm/2%标准下平均γ通过率也超过97%。ArcherQA的在线计划独立验算效率较高,177个在线计划独立验算所需的时长范围为50~150 s,平均时长约为108 s。结论ArcherQA可以准确并高效地计算出磁场下光子线的剂量分布,能够用于磁共振引导自适应放疗中离线和在线治疗计划的独立验算,是一种有效的补充验证手段,为患者治疗计划安全提供保障。

新型融合BEV/BPV信息的高分辨率快速磁共振成像方法

建立了一种新型融合Beam Eye View(BEV)/Beam Path View(BPV)信息的高分辨率快速磁共振成像方法。选取3例肝转移磁共振引导放疗(MRgRT)患者,采集同一患者使用腹部加压带限制腹部运动(RAM组)的运动管理模式下和自由呼吸(FB组)模式下图像,共计31 200帧。采用邻近肿瘤具有明确边界的血管进行肿瘤位置跟踪,计算其在95%置信区间下的径向矢量运动幅度差异△R95。在BEV/BPV平面上RAM组和FB组在所有分次中的△R95的差异分别为:患者1均小于0.58 mm;患者2高达2.57 mm以上;患者3分别为0.71 mm/1.05 mm。结果表明,腹部压迫方案可以有效地减小肿瘤的运动幅度,另外肿瘤运动幅度△R95变化具有完全的个体相关性。该方法也可作为MRgRT技术中肿瘤放疗外放边界缩小的影像基础。

Unity MR加速器临床应用各阶段时间统计分析

目的探索Unity MR加速器放疗系统在临床应用中各阶段的时间特征,为临床优化流程时间提供参考。方法回顾性研究使用Unity MR加速器治疗的患者55例,根据治疗计划方式分为位置自适应(ATP)和形状自适应(ATS)两组,统计对比两种治疗流程中各阶段所需时间、各部位的扫描序列名称和序列所需时长、计划射野数、子野数及跳数。此外,按治疗部位不同统计摆位时间。两种流程各分步时间及各部位摆位时间的结果采用中位数M(Q_(1),Q_(3))方式描述,各计划的子野数、射野数及跳数采用Mean±SD方式描述。结果行ATP治疗流程42例,共计305治疗分次:摆位、MR扫描、配准、自适应计划、出束、总时间分别为3(2,5)、5(4,7)、3(3,4)、8(4,12)、8(6,11)、30(25,36)min;行ATS治疗流程13例,共计65治疗分次:摆位、MR扫描、配准、靶区及OAR勾画、自适应计划、出束、总时间分别为2(2,3)、7(5,8)、4(3,5)、12(9,16)、11(10,14)、10(9,11)、55(49,61)min。按治疗部位统计摆位时间:头颈、胸、腹部分别为4(2,4)、2(2,4)、3(2,5)min;行ATP各计划的子野数、射野数及跳数分别为:头颈部8.1±1.7、49.9±31.2、846.75±363.44 MU,胸部8.0±2.0、60.7±13.3、790.21±279.00 MU,腹部9.7±2.0、81.2±22.3、2007.32±1053.81 MU;行ATS计划的子野数、射野数及跳数分别为:头颈部(仅1例)13、39、993.07 MU,腹部9.5±1.5、65.5±6.3、2763.26±835.41 MU。结论MR引导放疗具有较大临床应用潜力,目前整体治疗时间较长,但仍有改进的空间。

基于生成对抗网络的鼻咽癌患者伪CT合成方法研究

目的 研究利用生成对抗网络(GAN)建立头颈部肿瘤MRI图像与CT图像的映射模型,实现MRI引导放疗中伪CT (sCT)的预测生成。方法 收集45例鼻咽癌患者治疗前影像信息与IMRT计划信息。首先对MRI (T1)和CT图像进行刚性配准、裁剪、去背景、数据增强等预处理操作;其次对病例进行GAN训练,随机选取30例作为训练集放入网络进行建模学习,另15例用于测试。比较预测sCT与真实CT的图像质量,以及后续比较预测sCT进行重计算的剂量分布与真实计划的剂量分布。结果 测试集的预测sCT与实际CT图像质量比较显示,二者误差较小,体素平均绝对误差值为(79.15±11.37) HU,结构相似性系数值为0.83±0.03。sCT重计算的剂量分布与实际剂量较为接近,不同区域水平下的MAE值相对处方剂量均<1%。在2mm/2%、3mm/3%准则下,所有病例sCT重计算剂量分布的γ通过率均>92%、>98%。结论 提出并实现了使用GAN进行鼻咽癌患者sCT的生成,为MR-IGRT实施奠定了基础。图像质量与剂量学比较均显示了方法的可行性与准确性。