针对坐落于意大利帕维亚大学的TRIGA Mark Ⅱ反应堆热柱结构进行优化设计,从而满足面向硼中子俘获治疗(BNCT)的单光子发射计算机断层成像(SPECT)研究要求。为提高计算效率并减小统计误差,对比分析使用SSW/SSR方法与直接使用反应堆为源...针对坐落于意大利帕维亚大学的TRIGA Mark Ⅱ反应堆热柱结构进行优化设计,从而满足面向硼中子俘获治疗(BNCT)的单光子发射计算机断层成像(SPECT)研究要求。为提高计算效率并减小统计误差,对比分析使用SSW/SSR方法与直接使用反应堆为源项时热柱内照射位置处中子能谱,其结果基本一致,从而验证了SSW/SSR方法的可靠性。为在该反应堆开展BNCT中SPECT实验,热柱中子束需准直为笔形束。对比分析四种热柱优化方案下束流口处及探测器处热中子和光子通量:40cm长石墨(射束口5cm×3cm);0.5cm厚硼包裹40cm长石墨(射束口5cm×3cm);30cm长天然锂聚乙烯(射束口直径4cm);30cm长天然锂聚乙烯(20cm长射束口直径5cm,5cm长射束口直径4cm,5cm长射束口直径2cm)。结果显示,射束口处热中子通量分别为1.05×108,2.52×107,6.08×107和5.10×107#/(cm2·s)。综合考虑中子准直效果及光子污染,方案三具有最优性能。为后续进行BNCT-SPECT理论和实验研究提供了基础,从而有效促进BNCT剂量准确评估方法的研究进程。展开更多
目的评估小样本数据训练算法模型对于宫颈癌临床放疗中自动勾画的可行性。方法选取45例宫颈癌患者,由临床医生勾画临床靶区(Clinical Target Volume,CTV)及危及器官(Organs at Risk,OARs)。随机选择30例患者作为训练集传至AccuLearning...目的评估小样本数据训练算法模型对于宫颈癌临床放疗中自动勾画的可行性。方法选取45例宫颈癌患者,由临床医生勾画临床靶区(Clinical Target Volume,CTV)及危及器官(Organs at Risk,OARs)。随机选择30例患者作为训练集传至AccuLearning平台进行自主训练,训练好的算法模型传至AccuContour平台,对剩余15例患者进行自动勾画,分析新模型自动勾画与手动勾画的相似性系数(Dice Similarity Coefficient,DSC),敏感性指数(Sensitive Index,SI),质心偏差(Deviation of Centroid,DC)以及体积差异系数(Deviation of Volume,DV),评估自动勾画的可行性。结果各个结构的DSC均值均高于0.85;除了CTV的SI=0.87,其余的均≥0.90;CTV和肠袋的DC均值介于3~6 mm,其余的均<3 mm;关于DV指数,最小的是骨髓3.86%,最大的是肠袋12.32%。结论小样本数据训练算法模型对于宫颈癌CTV及OARs的勾画具有较高的准确性,能较好地辅助临床工作。展开更多
文摘针对坐落于意大利帕维亚大学的TRIGA Mark Ⅱ反应堆热柱结构进行优化设计,从而满足面向硼中子俘获治疗(BNCT)的单光子发射计算机断层成像(SPECT)研究要求。为提高计算效率并减小统计误差,对比分析使用SSW/SSR方法与直接使用反应堆为源项时热柱内照射位置处中子能谱,其结果基本一致,从而验证了SSW/SSR方法的可靠性。为在该反应堆开展BNCT中SPECT实验,热柱中子束需准直为笔形束。对比分析四种热柱优化方案下束流口处及探测器处热中子和光子通量:40cm长石墨(射束口5cm×3cm);0.5cm厚硼包裹40cm长石墨(射束口5cm×3cm);30cm长天然锂聚乙烯(射束口直径4cm);30cm长天然锂聚乙烯(20cm长射束口直径5cm,5cm长射束口直径4cm,5cm长射束口直径2cm)。结果显示,射束口处热中子通量分别为1.05×108,2.52×107,6.08×107和5.10×107#/(cm2·s)。综合考虑中子准直效果及光子污染,方案三具有最优性能。为后续进行BNCT-SPECT理论和实验研究提供了基础,从而有效促进BNCT剂量准确评估方法的研究进程。
文摘目的评估小样本数据训练算法模型对于宫颈癌临床放疗中自动勾画的可行性。方法选取45例宫颈癌患者,由临床医生勾画临床靶区(Clinical Target Volume,CTV)及危及器官(Organs at Risk,OARs)。随机选择30例患者作为训练集传至AccuLearning平台进行自主训练,训练好的算法模型传至AccuContour平台,对剩余15例患者进行自动勾画,分析新模型自动勾画与手动勾画的相似性系数(Dice Similarity Coefficient,DSC),敏感性指数(Sensitive Index,SI),质心偏差(Deviation of Centroid,DC)以及体积差异系数(Deviation of Volume,DV),评估自动勾画的可行性。结果各个结构的DSC均值均高于0.85;除了CTV的SI=0.87,其余的均≥0.90;CTV和肠袋的DC均值介于3~6 mm,其余的均<3 mm;关于DV指数,最小的是骨髓3.86%,最大的是肠袋12.32%。结论小样本数据训练算法模型对于宫颈癌CTV及OARs的勾画具有较高的准确性,能较好地辅助临床工作。