SPEEDO:一款快速准确的碳离子蒙特卡罗剂量计算程序

目的:开发一款用于碳离子治疗的快速准确的蒙特卡罗程序SPEEDO。方法:对于电磁过程,采用连续慢化近似的II类浓缩历史模拟方案,模拟能量歧离、射程歧离、多重散射和电离过程。对于核相互作用,本研究考虑5种靶核:氢、碳、氮、氧和钙。产生的次级带电粒子遵循同样的浓缩历史框架。本研究模拟碳离子在4种材料(水、软组织、肺和骨头)中的输运过程,并将计算的剂量结果与放射治疗物理专用蒙特卡罗模拟软件TOPAS进行对比验证,最后与在武威重离子治疗中心医用重离子加速器示范装置(HIMM-WW)上测得的水箱剂量进行对比。结果:SPEEDO的模拟结果与TOPAS具有良好的一致性。对于每种材料在物理剂量大于其体素最大剂量点10%的体素区域,两者的相对最大剂量平均误差均小于2%。在治疗能量为400 MeV/u时,SPEEDO的计算时间(13.8 min)明显小于TOPAS的计算时间(105.0 min)。SPEEDO的计算结果与HIMM-WW的测量值在横向剂量分布和积分剂量深度曲线方面展现出良好的一致性。结论:SPEEDO程序可以准确快速地实现碳离子的蒙特卡罗剂量计算。

基于深度学习的危及器官自动勾画软件系统DeepViewer在放疗中的应用及评估

目的:将一款基于深度学习的危及器官自动勾画软件系统DeepViewer应用于临床,实现自动勾画肿瘤患者治疗计划中危及器官的功能。方法:DeepViewer使用改进后的全卷积神经网络U-Net来实现自动勾画患者CT扫描部位所包含的危及器官,并使用Dice相似性系数(DSC)对比分析这22种危及器官自动勾画与手动勾画的差异。结果:11种危及器官DSC平均值在0.9以上,5种危及器官DSC平均值为0.8~0.9,5种器官DSC平均值为0.7~0.8,视交叉DSC平均值最低,为0.676。总体结果表明DeepViewer系统能够较准确地自动勾画出危及器官,特别是左、右肺、膀胱、脑干等器官,已基本满足临床需求。结论:DeepViewer软件系统可以实现放疗肿瘤患者危及器官的自动勾画,准确性较高。同时,DeepViewer系统勾画完毕后,可以通过网络系统自动传输RTStructure DICOM3.0文件,无需其他操作,能极大地提高临床医生工作效率,降低治疗计划流程中的勾画总时间。

基于U-net的心脏自动勾画模型的临床应用及改进

目的:拟分析基于不同医院数据的心脏自动勾画模型在临床应用中的适用性及其改进方法。方法:首先,建立基于U-net和Inception模块的心脏自动勾画网络。其次,收集不同治疗中心的患者数据:中国科学技术大学附属第一医院65例(数据1)、MICCAI2019比赛数据50例(数据2)、数据1和2的混合数据(数据3)、郑州大学第一附属医院50例(数据4)和郑州大学第一附属医院100例(数据5),分别训练得到模型1~5。然后,以郑州大学第一附属医院59例患者作为测试集,使用形状相似性系数(DSC)评估该测试集在不同模型上的分割精度,比较模型之间的差别。最后,将模型3作为心脏预训练模型,采用数据5进行模型再训练,分别测试3组实验(20例/次×5次、10例/次×10次、5例/次×20次)对心脏预训练模型的改进情况。结果:测试集在模型1~5中的平均DSC为0.926、0.932、0.939、0.941和0.950。在再训练过程中,模型在20例/次×5次的实验中表现更稳定。结论:基于不同医院的数据训练模型在心脏自动勾画的临床应用上表现存在差异,使用本地医院数据进行训练的模型预测精度更高。对于非本地数据训练的模型,基于本地数据再训练可以有效提高模型预测的精度,其中以20例/次的再训练方式效果较好。

基于深度学习的直肠癌术后调强放疗剂量分布预测

目的建立一种深度学习模型预测调强放疗(IMRT)的三维剂量分布。方法收集直肠癌术后IMRT患者共110例,随机数表法选择其中90例作为训练验证集并作9折交叉验证,剩下20例作为测试集。构建3D U-Res-Net模型,以CT影像、靶区和危及器官(OARs)的解剖结构以及射束信息作为输入,IMRT剂量作为输出训练该模型,并用来预测测试集病例的剂量分布。采用三维剂量分布以及剂量—体积直方图(DVH)剂量参数评估预测精确性。结果在三维剂量分布上,体素剂量的平均预测偏差为-2.12%~2.88%、平均绝对误差为2.55%~5.75%;等剂量面的Dice系数均在0.9以上,平均霍夫距离(HD95)和平均表面距离(MSD)分别0.61~1.54 cm和0.21~0.45 cm。对于DVH剂量参数,除膀胱Dmean(P=0.048)以外,其他剂量学参数差异均无统计学意义(P>0.05)。结论基于3D U-Res-Net模型可以实现直肠癌术后IMRT剂量分布预测,为自动计划设计奠定基础。