PET-CT图像融合在食管癌精确放疗中的应用

目的探讨PET-CT融合图像勾画靶区的食管癌三维适形放疗计划的优势。方法对16例食管癌病例分别进行CT、PET同机扫描,图像重建后传输至三维治疗计划系统(3D-Treatment planning system,TPS),进行自动图像融合,由同一临床医师分别在CT、PET-CT融合图像上勾画出,同一物理师分别设计优化TPS计划,给予常规处方剂量2.0Gy×30次,每个计划采用5个方向照射野来实现较好的靶区剂量分布,并达到周围正常组织保护的目的。计算各计划的靶区体积并显示剂量体积直方图(dose-volume histogram,DVH),比较2个计划的全肺平均受量(mean lung dose,MLD)、双肺受照超过20Gy的体积占全肺体积的百分比(V20)、气管平均受量、心脏平均受量、脊髓最大受量。结果CT勾画的GTV体积均值为67.10cm3,大于PET-CT融合图像下勾划的GTV均值60.82cm3,包括MLD、全肺V20、气管平均受量、心脏平均受量、脊髓最大受量在内的各项DVH参数的比较显示,均以PET-CT勾画靶区的计划明显优于CT勾画靶区的计划。结论PET-CT图像融合基础上勾画靶区制定放疗计划,可更有效的保护周围正常组织和器官。

PET-CT图像融合对比MRI-CT图像融合在鼻咽癌靶区中的研究

目的系统比较PET-CT图像融合技术与MRI-CT图像融合技术应用于鼻咽癌调强放疗靶区勾画中的效果差异。方法本研究选取于2018年1月—2019年12月收治于我院的鼻咽癌患者30名,每例患者同时行PET-CT图像融合技术以及MRI-CT图像融合技术进行靶区勾画,通过比较两组靶区的体积,以系统探究PET-CT图像融合技术应用于鼻咽癌调强放疗靶区勾画中的应用潜力。结果(1)基于PET-CT图像融合技术下勾画的鼻咽原发灶以及阳性淋巴结体积均显著低于基于MRI-CT图像融合技术下勾画的鼻咽原发灶以及阳性淋巴结体积(P<0.05);(2)Monaco调强放射系统生成的合并鼻咽癌原发灶以及合并阳性淋巴结体积均未明显大于基于MRI-CT图像融合技术下勾画的鼻咽原发灶以及阳性淋巴结体积(P>0.05);(3)Monaco调强放射系统生成的重叠鼻咽癌原发灶以及重叠阳性淋巴结体积均显著低于基于MRI-CT图像融合技术下勾画的鼻咽原发灶以及阳性淋巴结体积(P<0.05)。结论基于PET-CT图像融合技术勾画的靶区体积显著小于基于MRI-CT图像融合技术勾画的体积,应用于鼻咽癌调强放疗靶区勾画中的具有更大的潜力。

影响PET-CT图像质量的因素及对策

目的:探讨影响PET-CT图像质量的因素及对策。方法:对1726例受检者,注射18F-FDG显像剂后,行PET-CT扫描。结果:1721例图像无伪影,5例因受检者燥动、血糖太高、注射药物量不足等因素,图像质量欠佳。结论:规范PET-CT扫描技术,能提高扫描图像质量,为医生做出正确的影像诊断,具有一定的临床指导价值。

基于多分辨率GMI Demons算法的^(18)F-FDG PET-CT图像配准在食道癌病例中的应用

18F-FDG PET和CT图像的精确配准在肿瘤的放射治疗中具有重要的临床研究意义,本研究采用全局刚性粗配准对食道癌病例中的PET和CT图像进行预处理,尽可能地减小摆位误差,然后使用基于互信息梯度的Demons算法(GMI Demons)进行局部形变配准,有效弥补内部器官误差,另外为了加快配准过程,保持图像的鲁棒性的同时避免局部极值,在形变配准前使用多分辨率图像金字塔结构。通过对10例食道癌病例的定量分析,最大互信息值结果说明经GMI Demons算法配准之后的图像精度比基于MI算法要提高8.046%±0.041%,配准前后临床上肿瘤靶区(GTV)大小的变化,说明经GMI Demons算法配准之后的GTV大小比基于MI算法配准之后的精度提高8.022%±0.044%。两种定量结果的一致性和通过对图像的定性分析,说明该配准策略可以快速地精确肿瘤靶区位置,在制定精确的放疗计划和实际的临床应用中具有研究意义。

PET-CT图像融合精度对非小细胞肺癌放疗计划的影响

目的测定非小细胞肺癌病灶的同机FDGPETCT图像融合的精度,并利用PETCT融合图像制定精确放疗计划,探讨融合精度对放疗计划的影响。方法13例非小细胞肺癌患者分别采用几何中心法(COG)及体积法测定PETCT同机图像融合精度,COG法为测定病灶PET图像的COG与CT图像COG的距离,体积法为测定病灶PET与CT图像融合部分体积(VPETCT)占总体积(VPET+CT)的百分比(PPETCT),将勾画靶区文件传输至三维放疗计划系统,每例病例分别依据PET、CT、PET+CT3个靶区制定三套计划,分别比较三者正常组织受照剂量(肺、心脏、脊髓)的差异。结果采用COG法测定所有病灶的融合误差为(4.95±2.41)mm(1.00～8.68mm)。采用体积法测定PPETCT为46.7%±19.2%(2.7%～70.4%)。按照不同靶区制定的三组计划中,肺的受量(V20、肺平均受量)、脊髓最大剂量、心脏平均和最大受量的差异均有统计学意义(P<0.05),脊髓的平均受量差异无统计学意义(P=0.05)。下肺病灶PETCT图像融合精度较差,制定放疗计划中正常组织受量增加较上肺病灶明显。结论肺部病灶同机PETCT融合的偏差较小。融合精度对靶区的大小有一定的影响,融合误差将会使正常组织的受量增加。采用融合图像制定放疗计划时,必须对融合精度进行测定并采取有效的措施降低融合误差。

基于改进U-Net的PET-CT双模态头颈部肿瘤分割

放射肿瘤学领域中,头颈部被认为是轮廓绘制最困难且最耗时的疾病部位之一。目前,在临床中头颈部轮廓绘制通常由人工完成,耗时且费力,因此,开发一种自动的医学图像分割方法十分必要,可在节省人力和时间的同时,避免由于不同医师的主观因素导致的诊断结果差异。该文使用正电子发射断层成像/计算机断层扫描双模态的数据对头颈部的肿瘤进行分割,利用不同模态之间的信息互补,实现了更加精确的分割。整个网络基于传统U-Net架构,在编码器中增加Inception模块,在解码器中增加Dense模块以及空间注意力来对网络进行改进。在头颈部肿瘤数据集上,将该模型与不同的U-Net架构进行对比,结果表明,该文提出的方法多个指标均较优。该网络的Dice相似度系数为0.782,召回率为0.846,Jaccard系数为0.675,较原始U-Net分别提升6.8%、13.4%和9.8%;95%豪斯多夫距离为5.661,较原始U-Net下降了1.616。对比实验结果表明,该文提出的Inception Spatial-Attention Dense U-Net分割模型在头颈部肿瘤数据集上有效改善了分割结果,较标准的U-Net具有更高的性能,提高了分割的准确率。

PET-CT在局部晚期非小细胞肺癌调强放疗中的应用

目的探讨PET-CT对局部晚期非小细胞肺癌(NSCLC)临床分期的诊断及其融合图像下勾画靶区对调强放疗计划的影响。方法对13例局部晚期NSCLC患者同一体位分别进行增强CT和PET同机扫描,图像重建后传输至三维治疗计划系统(3D-TPS)进行自动图像融合。PET-CT下诊断患者的分期;分别在CT、PET-CT融合图像上勾画靶区,设计放疗计划。患者均采用5野调强放疗,常规处方剂量60Gy/30f。比较两个计划的V20、全肺平均受量(MLD)、心脏平均受量、脊髓最大受量。结果 5例患者分期改变:3例升高,2例下降;CT下勾画靶区GTV、PTV分别为(159.35±84.44)cm3、(442.12±172.57)cm3,显著高于PET-CT下勾画的GTV和PTV[(148.22±75.08)cm3、(428.64±157.91)cm3];PET-CT下计划的全肺V20、MLD、心脏平均受量、脊髓最大受量等各项剂量学参数均优于CT下的计划(P<0.05)。结论 PET-CT较CT更有利于局部晚期NSCLC放疗靶区的勾画,可以更好地保护周围正常组织和器官。

基于深度卷积神经网络方法构建肺部多模态图像分类诊断模型

目的介绍卷积神经网络方法,并将其应用于肺部多模态图像进行肺结节良恶性分类。方法基于肺部PET-CT多模态图像,分析临床信息与卷积神经网络的结合并与机器学习支持向量机方法作效果对比。结果52名患者的323张结节图像纳入研究。研究表明,模型中纳入临床信息能够改进模型的分类效果,准确率、灵敏度、特异度分别为0.913、0.942、0.417;在与支持向量机模型的对比分析中,卷积神经网络模型特异度较低为0.417,而灵敏度达到0.942;支持向量机模型灵敏度较低为0.570,而特异度达到0.927。结论基于肺部PET-CT多模态图像进行肺结节良恶性判别,卷积神经网络能够获得较高的灵敏度。

PET-CT对食管癌临床分期及在调强放疗中的应用

目的观察PET-CT对食管癌患者临床分期及在调强放疗中的应用。方法经活检组织病理证实食管鳞癌患者15例,均行CT增强扫描和PET同机扫描,分别根据CT及PET-CT结果进行临床分期,并由同一名医生勾画治疗靶区,同一物理师设计5野调强放疗计划,予常规处方剂量2Gy/次,共30次,比较依据CT及PET-CT勾画的肿瘤区(gross tumor volume,GTV)值,应用剂量体积直方图评价依据2种图像勾画的双肺受照超过20Gy的体积占全肺总体积的百分比(V20)、全肺平均受量(mean lung dose,MLD)、心脏平均受量、脊髓最大受量。结果依据PET-CT图像,9例临床分期发生改变,5例临床分期升高,4例临床分期下降,其中2例因肺转移灶更改治疗方案;CT勾画的GTV值为(62.89±14.78)cm3,PET-CT勾画的GTV值为(51.65±17.94)cm3,二者比较差异有统计学意义(P<0.05);2种图像勾画的V20、MLD、心脏平均受量、脊髓最大受量比较差异均有统计学意义(P<0.05)。结论 PET-CT可较准确对食管癌进行临床分期,有利于放疗靶区确定和放疗计划制定。

PET-CT图象融合技术对肺癌靶区定义的研究

目的:目前作为靶区定义依据,CT,MRI等影像主要反映人体解剖结构,而以PET.SPECT.MRS为代表的影像技术可以获得肿瘤内部生物学特性的影像,将对于肿瘤放射治疗靶区定义提供新的靶区范围。结果:本文针对2例典型病例,4名有经验医师分别采取目前常用CT影像和我们所得到的融合图像对肿瘤靶区定义,对比他们的定义差异。结论:利用融合技术将多种影像同时显示,对靶区的定义,尤其了解肿瘤的功能区域有重要的临床意义,可以提高靶区定义准确性,为进一步调强放射治疗以及将来的生物学靶区定义带来重要的实验和临床依据。