基于Web放疗设备质量控制管理系统设计与开发

目的开发基于Web放疗设备质控管理系统并评估其临床应用价值。方法系统基于B/S三层架构,应用Django框架整合相关开源软件工具包,依角色不同实现11个功能模块,分别为技术员负责的晨检模块;物理师负责的周检、月检、年检及非常规检查模块;技术主管负责的质控结果审核、批准模块;系统管理员负责的用户、设备、权限管理及检测项目管理模块。商用软件对比分析和人工分析评估系统功能准确性。结果系统以加速器为中心设计、实现覆盖放疗设备质控全流程大量实用功能,累积完成质控记录逾1000项,测试项目逾20000条。无纸化数据交换模式和多模态数据集成方法便于质控结果评估分析,自动量化分析方法提高质控一致性。基于Web系统鼓励主动质量保证,帮助质控人员提前干预潜在风险。结论系统提升了科室信息化管理水平,提高了质控效率,后续还可根据新需求进行扩展开发。

基于人工神经网络多叶准直器叶片位置偏差预测

目的:探讨人工神经网络方法利用加速器日志文件预测动态调强放疗(dIMRT)计划多叶光栅位置偏差。方法:选择瓦里安Trilogy 50例dIMRT动态日志文件,TrueBeam和Edge各30例dIMRT轨迹日志文件。日志提取叶片计划位置、剂量、机架角度、铅门位置、叶片间距、叶片速度及运动参数等14个特征为输入,日志记录叶片实际位置为输出,隐藏层为22个神经元的3层神经网络模型。训练集包括70%数据,验证集和测试集包括30%数据,均方误差代价函数评估模型性能。结果:叶片速度是输入特征与位置偏差最相关特征,皮尔逊相关系数0.7以上。运动和静息叶片位置平均绝对偏差存在显著性差别。测试集Trilogy、TrueBeam和EDGE预测叶片位置最大均方误差分别小于9×10^(-5)、3×10^(-5)和3×10^(-5) mm^(2),预测位置与实际位置极为接近。模型预测当前叶片和其它序号叶片位置平均绝对偏差具有显著性差异(P<0.001)。结论:基于加速器日志文件人工神经网络模型可以对瓦里安dIMRT计划叶片位置进行预测。