基于PET/CT图像的自适应阈值分割算法

目的提取PET图像梯度信息,得到满足肿瘤生物靶区准确分割的自适应阈值,提高图像分割的准确性。方法本文通过对PET图像的数据进行分析,取标准摄取值(Standardized Uptake Value,SUV)最大的点作为肿瘤区域的中心点,再取其八个方向的SUV值,结合图像处理算法中二次偏导数能够反映图像边界信息的特点,对其进行两次梯度运算,得到八个方向上最优的边界阈值,并取八个阈值的平均值作为图像分割的自适应阈值。比较使用本文提出的自适应阈值与传统的SUV=2.5和40%SUV_(max)两种阈值分别分割图像时的相似性和灵敏性。结果本文基于区域的精度性评价测量方法,提出了自适应阈值分割算法,其Dice相似性指数(Dice Similarity Coefficient,DSC)的平均值为85.26%,分割真阳率(True Positive Rate,TPR)的平均值为82.31%,较阈值为SUV=2.5时分别提高了15.14%和17.36%,较阈值为40%SUV_(max)时分别提高了11.97%和12.47%。依据三种阈值分割算法得到图像的相似性和灵敏性之间均有统计学差异(F=81.02、F=217.21,P<0.01)。结论本研究提出的自适应阈值分割算法可以提高PET/CT图像肿瘤分割结果的准确性。

头颈部肿瘤放疗单模板自动轮廓勾画软件的应用

目的探讨单模板自动轮廓勾画软件（atlas-based auto segmentation,ABAS）在头颈部肿瘤调强放疗（intensity modulated radiation therapy,IMRT）计划中器官轮廓勾画的准确性及其相关因素。方法选取中山大学肿瘤防治中心2013-06-01-2013-12-31收治的50例头颈部肿瘤患者资料进行回顾性分析,将1例体征参数接近中位平均值的患者CT平扫图像〔已完成14种危及器官（organs at risk,OARs）轮廓手动勾画并经临床确认〕导入ABAS软件作为通用模板,对软件自动生成与临床确认的器官轮廓计算形状相似性指数（dice similarity coefficient,DSC）,并统计相应勾画时间。依照患者体征（身高、体质量、头径、颈径和体表面积）对各器官DSC值进行等间距分组,采用SPSS 17.0进行单因素方差分析。对体征差异过大的患者分别基于通用模板和个体化模板进行自动勾画并通过配对样本t检验比较两者差异性。结果采用通用模板的大体积组和小体积组DSC均值分别为0.84±0.08和0.03±0.03,差异有统计学意义,t=27.806,P〈0.001;中体积组DSC值为0.80±0.12,与小体积组相比差异有统计学意义,t=22.848,P〈0.001。单因素方差分析结果证实,颞叶DSC值与患者头径体征存在相关性（颞叶-L：F=4.245,P=0.006,颞叶-R：F=4.264,P=0.006）,差异有统计学意义;腮腺DSC值与患者头径体征亦存在相关性（腮腺-L：F=2.934,P=0.043,腮腺-R：F=3.163,P=0.034）,差异有统计学意义。体征参数差异大患者分别采用通用模板和个体化模板进行自动勾画的脑干DSC值分别为0.75±0.08和0.82±0.06,差异有统计学意义,P=0.045。双侧颞叶DSC值分别为0.75±0.09、0.74±0.08和0.83±0.06、0.84±0.05,差异有统计学意义（颞叶-L：P=0.018,颞叶-R：P=0.041）。双侧腮腺DSC值分别为0.74±0.04、0.78±0.04和0.84±0.05、0.86±0.06,差异有统计学意义（腮腺-L：P=0.001,腮腺-R：P=0.001）。双侧内耳DSC值分别为0.67±0.11、0.66±0.12和0.77±0.09、0.79±0.13,差异有统计学意义（内耳-L：P=0.019,内耳-R：P=0.029）。单例患者ABAS软件用时约4~5 min,医生手动修改约为10~25 min,纯粹手动勾画约90~150min。结论基于通用模板的ABAS软件对头颈部多数OARs自动勾画结果较好,但对于特异性体征患者建议设计个体化模板以提高自动勾画准确性。小体积器官推荐临床医生手动勾画。临床应用单模版ABAS可以明显节约医生正常组织勾画时间,提高工作效率。

基于深度学习与图谱库两种自动勾画方法对直肠癌危及器官勾画效果的对比研究

目的比较基于深度学习的AiContour®©与图谱库的Raystation®©两种自动勾画方法对放射治疗中直肠癌患者CT图像的危及器官勾画效果,为临床应用提供依据。方法选取浙江省人民医院2020年1-6月治疗的直肠癌患者50例,资深放疗医生勾画好的直肠癌患者20例的CT图像作为目标图像,分别基于两种软件的数据模板库对其进行自动勾画。采用豪斯多夫距离指数(HD指数)、平均距离指数(MDA指数)、形状相似性指数(DSC指数)、贾卡德指数(JC指数)四种指标定量评估两种自动勾画方法获得的危及器官轮廓体积的精确性。结果两种勾画方法除左股骨头[(6.81±2.66)与(7.24±2.10)]、右股骨头[(7.38±3.91)与(8.14±3.71)]、骨盆[(24.00±9.01)与(24.66±9.67)]的HD指数差异无统计学意义(t左股骨头=-0.831,t右股骨头=-0.821,t骨盆=-0.357,均P>0.05)外,其他危及器官的勾画参数差异均有统计学意义(均P<0.05)。AiContour®©自动勾画的DSC指数的均值均>0.7,而Raystation®©自动勾画的DSC值除了左肾、右肾、直肠、膀胱DSC值<0.7,其他危及器官DSC值均>0.7。此外,AiContour®©软件勾画出来的HD、MDA、JC值普遍优于Raystation®©勾画的结果。结论两种自动勾画软件勾画的危及器官经过略微修改均能满足临床使用,但是AiContour®©勾画效果要优于Raystation®©勾画的效果。

Tyropeptin硼酸肽类蛋白酶体抑制剂的分子对接、三维定量构效关系及分子设计研究

作为第二代共价类蛋白酶体抑制剂,硼酸肽类抑制剂由于代谢稳定且具较高的蛋白酶体抑制活性和选择特异性,已成为当前新型抗肿瘤药物的重点研究内容。本文以最近合成的44个Tyropeptin硼酸三肽类蛋白酶体抑制剂为研究对象,采用共价距离约束对该类分子与蛋白酶体进行了分子对接研究。结果表明,该类抑制剂与蛋白酶体的非共价相互作用主要以氢键和疏水作用为主,具体表现为:(1)硼酸基团的羟基与ARG19、LYS33和GLY47的氢键作用;(2)肽链骨架原子与THR21、GLY47和ALA49的氢键作用;(3)R1基团与S1口袋的疏水作用和氢键作用。基于对接构象,对上述分子进行了骨架叠合及随后的比较分子场分析(CoMFA)和比较分子相似性形状指数分析(CoMSIA)。最优模型为包含氢键供体场、疏水场、氢键受体场以及立体场的CoMSIA模型,其最佳主成分数、决定系数r2、标准差S、交互验证系数q2以及外部预测r2pred分别为3、0.882、0.188、0.494以及0.756。在以上研究基础上,以活性最高的3C和6号分子为模板,采用基于遗传算法的结构搜索方法结合分子相似性评价函数对其侧链进行了优化设计。结合Lipinski"5规则"和最优CoMSIA模型活性预测结果,最终得到5个目标分子,其预测活性均达到纳摩尔水平。