预测三维剂量分布引导的调强放疗计划优化方法研究

发布时间：2020-10-11 01:30

　　 调强放射治疗(Intensity Modulated Radiotherapy,IMRT)通过调制非均匀光子通量分布,能够在保证靶区剂量覆盖率、适形性的同时降低危及器官和周围组织的受量,在临床上得到了广泛应用。在IMRT计划设计中,由于理想的优化目标提前未知,物理师通常会参照统计所得的临床规范选择目标,再利用人工试错的方式对其反复调整直到计划满意为止。但该种方式会导致计划设计效率和计划质量完全受限于计划者的经验丰富程度和实际可投入临床的时间、精力。基于经验学习的计划设计方法通过学习大量先验计划并以此构建患者几何解剖特性与其剂量学特性间的关联模型,可在新患者计划设计前预测其大致的剂量学特性,将该特性作为优化初始化目标可有效保证计划设计的效率以及计划同质性。但常见的预测目标形式为DVH和剂量学指征项,均属于累积型剂量信息,将该类信息作为优化引导会失去对剂量的空间控制,且无法满足精细的体素级剂量调整的目的。以三维剂量分布为预测目标并将其作为优化引导是最理想的计划设计方案。目前研究多以构建更精确的预测剂量分布模型为目的,对预测的使用鲜有提及,但考虑到预测固有的不确定性、三维剂量信息的复杂性,对预测三维剂量的有效利用应为预测引导计划设计的重点研究内容。因此,本文在团队内部已有三维剂量分布预测模型的基础上,首先针对预测剂量分布在优化中的有效利用以及保证输出优化计划质量的最大限度改善,提出了基于预测剂量分布引导和gEUD混合模型的计划优化方法,该方法利用预测剂量分布构建体素级的优化目标函数,使输出剂量逼近预测,并通过添加等效均匀剂量目标,对预测误差进行修正,同时扩大优化求解空间。由10例宫颈癌IMRT计划的重新优化结果与其原始计划的比较可知:优化方法可保证靶区剂量的覆盖率和均匀性,且有效地减少危及器官的受量。此外,出于对预测不确定性对优化结果影响的考虑,本文建立了一种以预测剂量序列为引导的计划优化方法,该方法通过构建更具包容性的预测应用目标函数,可提高优化在处理预测不确定性上的自由度。实验将优化计划与原始计划比较以验证方法的有效性,同时将其与预测点剂量分布引导优化所得计划进行比较以进一步评估该方法的性能。从10例IMRT计划的比较结果可知:该优化方法可保证输出计划质量不差于甚至优于原始计划,但与预测点剂量分布引导的优化方法间存在权衡。本文针对预测三维剂量分布在放疗计划优化中的应用,首先实现了一种基于预测剂量分布引导以及gEUD混合模型的IMRT计划优化方法,该方法可有效利用预测剂量分布信息,同时保障输出计划的质优性;并通过探索新的预测剂量优化目标形式,提出了以预测剂量序列为引导的计划优化方法,可有效保证输出计划的同质性。
【学位单位】：南方医科大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：R730.55
【部分图文】：

?方式，可根据输入和反馈输出以及期望输出信息来不断调整输入和输出内部各??个节点间的链接关系（图２－１），从而实现有效的关联构建。利用该模型可有效??预测患者的三维剂量分布信息。??產?ｎｐｕｔ?Ｈｉｄｄｅｎ?Ｏｕｔｐｕｔ??Ｌａｙｅｒ?Ｌａｙｅｒ?Ｌａｙｅｒ??图２－１．人工神经网络??Ｆｉｇｕｒｅ?２－１．?Ａｒｔｉｆｉｃｉａｌ?ｎｅｕｔｒａｌ?ｎｅｔｗｏｒｋ??（２）?Ｌｉｕ等人［３６］提出了基于光流模型的剂量分布预测方法，利用光流算法并根??据靶区和危及器官的相对位置关系将多张剂量分布图进行配准，对其进行主成??分分析后即可得到剂量分布模型。利用该模型可预测出较为准确的三维剂量分??布。??２．３本章小结??本章介绍了调强放疗计划设计中的优化技术以及基于经验学习的剂量学目??标预测。第一节介绍了逆向放疗计划优化技术（通量分布图优化模型），主要内??容包括剂量计算法、优化模型、优化算法、常见的剂量学优化目标形式及其优??缺点；第二节列举了基于先验知识的剂量学优化目标预测方法，包括ＤＶＨ曲线、??剂量学指征项以及三维剂量分布的预测。??１６??

ｏｐｔｉｍｉｚａｔｉｏｎ?ｍｅｔｈｏｄ??基于预测三维剂量分布引导和ｇＥＵＤ混合模型的放疗计划优化方法实现框??架如图３－１所示，主要包含计划危及器官集的三维剂量分布预测和预测剂量分布??引导引导的计划优化两部分：１）危及器官集的三维剂量分布预测，利用人工神??经网络的学习方法对大量先验计划进行智能学习，构建质优计划的剂量学特性??与患者个体化特性之间的关联，并通过测试集得出优化实验所需的预测剂量分??布；２）以预测危及器官的三维剂量分布（Ｐｒｅｄ．）引导的计划优化，以将预测剂??量分布信息引入优化目标函数的方式设计优化策略，使危及器官的剂量分布在??预设硬约束条件下逼近其预测目标的水平，同时添加危及器官的等效均匀剂量??目标以进一步降低危及器官的受量，求解收敛后得到自动优化后的计划，比较??临床原始计划与优化计划间的质量差异

??不同“预测”精度的三维剂量分布引导的优化计划与原始计划的ＤＶＨ曲线??比较见图３－２，从中可以看出：１）原始危及器官剂量分布引导优化计划的质量??优于原始计划，说明了预测剂量分布引导优化方法的有效性；２）随着剂量分布??预测松弛程度的增加，优化计划的质量变差；３）在一定的收紧范围内，随着剂??量分布的收紧，Ｕ？划质量是有提升的，但如果超过了这个范围，靶区覆盖率会??有明显的降低，满足不了预设的相关约束。因此针对图３－２中患者来说，收紧??５％的剂量分布所引导的优化计划可被认为是患者可达的最优计划。以上优化试??验结果表明：对剂量分布预测进行松弛，可降低其引导优化计划的质量；且若??在一定范围内收紧剂量分布预测，可在＋牺牲靶区的同时减少优化ＩＩ？划中危及??器官受量，从而提升输出计划质量；两种结果均可说明：仅基于预测剂量分布??目标引导所得的优化计划且质量实际还有提升的空间。??（Ａ）?＂川??？?６〇?１??ｗ?６０?４３．５?４４?４４．５??３?一?ＰＴＶ?］?＼??
【相似文献】

相关期刊论文 前10条

1 曹庆凯;韩树奎;;4—9 电子束剂量的刻度和束中心轴深度量的解析表达式[J];医学物理;1987年Z1期

2 S.Woolf ,J.C.Garch ,梁伟;ONETRAN计算结果与钴~(60)剂量分布数据比较确定光子能谱[J];微电子学;1988年02期

3 杨占山,冯定华,常自持,李士骏;头部CT扫描时受检者的体表剂量分布[J];中国核科技报告;1989年00期

4 陈焱;辛晖;;铀矿山的监测要求和剂量分布[J];世界采矿快报;1989年05期

5 孙艳;;中子的剂量分布及染色体分析[J];国外医学(临床放射学分册);1989年02期

6 刘平,张一云,张晓峰;用Monte Carlo方法研究旋转γ-刀剂量分布[J];中华放射医学与防护杂志;2005年03期

7 徐晓,杨天恩,常力方;二维治疗计划系统中的准三维剂量分布的估算与评价[J];中国肿瘤临床;1999年07期

8 孟慧鹏;冯远明;董化江;;基于剂量分布指数选择胸部肿瘤最优放疗计划的可行性分析[J];辐射研究与辐射工艺学报;2017年01期

9 苑淑渝;王道平;戴光复;何培坤;刘强;;放射性~(125)I粒籽源的剂量分布[J];中华放射医学与防护杂志;2006年06期

10 马永忠;王时进;苏旭;;立体定向放射治疗中靶外剂量分布的研究[J];中国职业医学;2006年02期

相关博士学位论文 前6条

1 王玉;三维放射治疗计划系统仿真建模研究[D];东北大学;2013年

2 陈亮;同步辐射软X射线辐射效应研究[D];中国科学技术大学;2011年

3 高云生;图像引导的头颈部肿瘤放射治疗[D];复旦大学;2010年

4 周立庆;静态多叶准直器简化调强放射治疗技术的研究[D];北京协和医学院;2008年

5 江波;基于常规加速器的全身调强放疗方法[D];北京协和医学院;2010年

6 吴凤;IMRT和SRT治疗肺部肿瘤（非小细胞肺癌和肺转移癌）的剂量学比较[D];中国协和医科大学;2008年

相关硕士学位论文 前10条

1 郭芙彤;基于机器学习的放疗计划三维剂量分布预测研究[D];南方医科大学;2019年

2 贾启源;预测三维剂量分布引导的调强放疗计划优化方法研究[D];南方医科大学;2019年

3 孔繁图;放疗计划三维剂量分布预测研究[D];南方医科大学;2018年

4 付正丰;医用电子直线加速器治疗系统剂量分布的模拟及实验研究[D];兰州大学;2018年

5 刘爽;~（125）I种子源近距离放射治疗的剂量分布模拟研究[D];东北师范大学;2012年

6 俞顺飞;放射治疗辐射场剂量分布胶片测量方法研究[D];中国疾病预防控制中心;2008年

7 肖杰;近距离治疗中剂量分布的计算模型与优化算法研究[D];第一军医大学;2000年

8 李彦飞;基于蒙卡的放疗剂量验证软件的设计与实现[D];清华大学;2014年

9 吴春华;局部晚期鼻咽癌三维适形放疗的剂量分布研究[D];广西医科大学;2002年

10 叶婷;HT、sIMRT、VMAT在鼻咽癌治疗中剂量分布的比较[D];昆明医科大学;2016年

本文编号：2835846