XVMC算法与PB算法在胸腹部调强计划中的比较研究

发布时间：2017-08-23 21:22

  本文关键词：XVMC算法与PB算法在胸腹部调强计划中的比较研究

  更多相关文章： 剂量计算 XVMC算法 PB算法 剂量学比较

【摘要】：算法的精度和计算速度是三维治疗计划系统中最重要的两个评估指标,它们对肿瘤放射治疗的质量以及放射治疗工作的效率的提高具有重要影响。Monaco治疗计划系统是医科达公司生产的商业化治疗计划系统,它具有XVMC和PB两种算法模型。为了比较两种不同的算法在胸腹部肿瘤中的剂量计算以及计算速度的差异,本文选取了胸腹部代表性肿瘤——肺癌和直肠癌作为计划比较对象,每种病种选取12位患者入组研究。在对每位患者行CT模拟定位和勾画靶区后,采用同一治疗标准,为其设计XVMC算法和PB算法两组治疗计划。两组计划间除了优化的算法有差异,其余参数均相同。通过分析剂量体积直方图,比较两种算法在剂量学上的差异(从靶区适形度和均匀性、危及器官的受照体积上分析),并利用胶片验证比较比较两种算法在计算精度上的差异;通过分析两组计划制作所需的时间,比较两种算法在计算速度上的差异。此外,本文通过比较Monaco治疗计划系统自动优化和手动优化两种方式的计划制作所需时间,探讨了Monaco计划制作效率的提高方法。通过一系列的比较分析,研究得出:在剂量分布图上,PB算法计算的结果均大于XVMC算法计算的结果,且在组织密度差异大、低密度区域多的组织内,两种算法具有统计学差异;在计算精度上,XVMC算法组的计算结果更接近实测值;在计算速度上,XVMC算法所需的计划制作时间比PB算法长。同时,笔者得出手动优化的方式更能提高临床物理师的工作效率。本文研究表明,为了确保放射治疗的精确,推荐使用XVMC算法进行剂量计算,并建议有经验的物理师采用手动优化的方式进行计划优化。
【关键词】：剂量计算 XVMC算法 PB算法 剂量学比较
【学位授予单位】：东华理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R730.55
【目录】：

• 摘要4-5
• Abstract5-8
• 1 引言8-10
• 1.1 研究现状8
• 1.2 研究目的及方法8-9
• 1.3 论文的结构安排9-10
• 2 调强放射治疗计划设计10-14
• 2.1 调强放疗的简介10
• 2.2 治疗计划设计的临床剂量学原则10-11
• 2.3 调强治疗计划设计的步骤和过程11-13
• 2.4 调强计划的验证13-14
• 3 放射治疗计划系统算法的简介14-18
• 3.1 放疗计划系统剂量算法的简介14-15
• 3.1.1 基于修正的剂量计算模式14
• 3.1.2 基于模型的剂量计算模式14
• 3.1.3 蒙特卡罗方法（Monte Carlo, MC ）14-15
• 3.2 Monaco TPS的两种计算算法介绍15-18
• 3.2.1 XVMC（X-ray voxel mote Carlo, XVMC）算法15-17
• 3.2.2 PB（Pencil Beam,PB）算法17-18
• 4 XVMC与PB算法在胸腹部调强计划中的剂量学特征比较18-32
• 4.1 主要仪器和设备18
• 4.2 研究方案18-19
• 4.3 研究步骤19-26
• 4.3.1 病例选取19-21
• 4.3.2 体位固定与CT模拟定位21-22
• 4.3.3 靶区勾画22-23
• 4.3.4 治疗计划设计23-24
• 4.3.5 计划优化24-25
• 4.3.6 计划的评估指标25-26
• 4.3.7 数据处理26
• 4.4 研究结果26-30
• 4.4.1 XVMC与PB算法在肺癌中的剂量学比较26-28
• 4.4.2 XVMC与PB算法在直肠癌中的剂量学比较28-30
• 4.5 分析与讨论30-32
• 5 胶片剂量验证32-42
• 5.1 测量材料和设备32-33
• 5.1.1 辐射自显影胶片32
• 5.1.2 扫描仪32-33
• 5.1.3 胶片分析软件33
• 5.1.4 加速器33
• 5.2 研究方案33-34
• 5.3 研究步骤34-37
• 5.3.1 胶片剂量的标定34-35
• 5.3.2 制作QA计划35-36
• 5.3.3 验证计划实施36-37
• 5.3.4 剂量对比分析37
• 5.4 研究结果37-42
• 5.4.1 肺癌胶片验证结果38-39
• 5.4.2 直肠癌胶片验证结果39-40
• 5.4.3 分析与讨论40-42
• 6 XVMC算法与PB算法在计算时间上的比较和改进42-46
• 6.1 XVMC算法与PB算法在计算时间上的比较42-43
• 6.1.1 两种算法在肺癌计划优化中计算时间上的比较42
• 6.1.2 两种算法在直肠癌计划优化中计算时间上的比较42-43
• 6.2 两种算法在计算速度的改善方法43-46
• 7 结论与展望46-48
• 7.1 论文小结46
• 7.2 展望46-48
• 致谢48-50
• 参考文献50-51

【相似文献】

中国期刊全文数据库 前1条

1 刘晓平;图象开窗算法[J];CT理论与应用研究;1996年04期

中国重要会议论文全文数据库 前10条

1 尹冀锋;;一种新的图象自适应增强算法[A];四川省通信学会一九九二年学术年会论文集[C];1992年

2 宁春平;田家玮;郭延辉;王影;张英涛;郑桂霞;刘研;;计算机辅助增强、分割算法在鉴别乳腺良、恶性肿块中的应用价值[A];中华医学会第十次全国超声医学学术会议论文汇编[C];2009年

3 谢丽聪;;SVB查询改写算法的改进[A];第二十一届中国数据库学术会议论文集（研究报告篇）[C];2004年

4 郑存红;;复杂背景下相关跟踪算法研究及DSP实现[A];中国光学学会2010年光学大会论文集[C];2010年

5 杨文杰;吴军;;RFID抗冲突算法研究[A];2008通信理论与技术新进展——第十三届全国青年通信学术会议论文集（上）[C];2008年

6 高山;毕笃彦;魏娜;;一种基于UPF的小目标TBD算法[A];第十四届全国图象图形学学术会议论文集[C];2008年

7 周磊;张卫华;王晓奇;张军;;基于流水算法的智能路障机器人设计[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年

8 潘巍;李战怀;陈群;索博;李卫榜;;面向MapReduce的非对称分片复制连接算法优化技术研究[A];第29届中国数据库学术会议论文集（B辑）（NDBC2012）[C];2012年

9 李伟伟;蔡康颖;郑新;王文成;;3D模型中重复结构的多尺度快速检测算法[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

10 杨任尔;陈恳;励金祥;;基于棱边方向检测的运动自适应去隔行算法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

中国重要报纸全文数据库 前1条

1 国泰君安资产管理部;“算法交易”是道指暴跌罪魁祸首?[N];上海证券报;2010年

中国博士学位论文全文数据库 前10条

1 冯辉;网络化的并行与分布式优化算法研究及应用[D];复旦大学;2013年

2 许玉杰;云计算环境下海量数据的并行聚类算法研究[D];大连海事大学;2014年

3 李琰;基于猫群算法的高光谱遥感森林类型识别研究[D];东北林业大学;2015年

4 陈加顺;海洋环境下聚类算法的研究[D];南京航空航天大学;2014年

5 王洋;基于群体智能的通信网络告警关联规则挖掘算法研究[D];太原理工大学;2015年

6 雷雨;面向考试时间表问题的启发式进化算法研究[D];西安电子科技大学;2015年

7 熊霖;大数据下的数据选择与学习算法研究[D];西安电子科技大学;2015年

8 周雷;基于图结构的目标检测与分割算法研究[D];上海交通大学;2014年

9 王冰;人工蜂群算法的改进及相关应用的研究[D];北京理工大学;2015年

10 蒋亦樟;多视角和迁移学习识别方法和智能建模研究[D];江南大学;2015年

中国硕士学位论文全文数据库 前10条

1 姚鑫宇;EMD去噪与MUSIC算法在DOA估计中的联合应用[D];昆明理工大学;2015年

2 陆进;面向含噪数据聚类相关算法的研究[D];复旦大学;2014年

3 李家昌;基于能量约束的超声图像自动分割算法[D];华南理工大学;2015年

4 陈坚;基于密度和约束的数据流聚类算法研究[D];兰州大学;2015年

5 高健;基于Zynq7000平台的去雾算法研究及实现[D];南京理工大学;2015年

6 顾磊;基于Hadoop的聚类算法的数据优化及其应用研究[D];南京信息工程大学;2015年

7 杨燕霞;基于Hadoop平台的并行关联规则挖掘算法研究[D];四川师范大学;2015年

8 王羽;基于MapReduce的社区发现算法的设计与实现[D];南京理工大学;2015年

9 许振佳;流式数据的并行聚类算法研究[D];曲阜师范大学;2015年

10 董琴;人工蜂群算法的改进与应用[D];大连海事大学;2015年

，

本文编号：727393