MRI-only放射治疗方案中基于深度学习生成伪CT最新进展

MRI-only放射治疗(放疗)的关键在于基于MRI生成伪CT图像(sCT)。深度学习(DL)方法促进了MRI-only放疗相关研究进展。本文着重就MRI-only放疗方案中基于DL生成sCT的研究进展进行综述。

基于剂量预测的个性化放射治疗计划质量的定量评价方法

目的提出一种基于剂量预测的放射治疗计划质量定量评价方法,并验证该方法的临床可行性和临床价值。方法基于45例5年以上从业经验的物理师制定的直肠癌病例,训练3D U-Net网络。利用3D U-Net网络预测得到三维剂量分布后,基于剂量预测的剂量-体积直方图(DVH)指标,建立调强放射治疗(IMRT)直肠癌计划质量评估标准,对直肠癌放疗计划进行初次打分。以预测剂量为优化目标,对放疗计划重新优化制定,并再次打分。在15例直肠癌病例上进行测试,比较优化前后计划得分情况以及剂量学参数差异,从而验证该打分方法的临床意义。结果优化前后的计划均满足临床剂量要求。优化前的总得分为(77.21±9.74)分,优化后的总得分为(88.78±4.92)分,优化后的计划得分提升,且差异具有统计学意义(t=-4.105,P<0.05)。相比优化前,优化后的计划所有危及器官的D_(max)均有不同程度地降低,优化后的计划在靶区D_(max)、V_(107%)、HI和膀胱的D_(max)等指标上均有降低,且差异具有统计学意义(t=2.346~5.771,P<0.05),在其他指标上优化前和优化后的差异无统计学意义(P>0.05)。优化后的计划质量有一定程度提升。结论本研究提出的结合剂量预测的放疗计划质量的定量评价方法,可以针对计划质量进行个性化地有效评估,有利于更好地对比审核不同物理师制定的临床计划质量,并且提供个性化的剂量指标,对临床计划的制定具有较强的指导意义。