調(diào)強放射治療(Intensity Modulated Radiotherapy,IMRT)通過調(diào)制非均勻光子通量分布,能夠在保證靶區(qū)劑量覆蓋率、適形性的同時降低危及器官和周圍組織的受量,在臨床上得到了廣泛應用。在IMRT計劃設計中,由于理想的優(yōu)化目標提前未知,物理師通常會參照統(tǒng)計所得的臨床規(guī)范選擇目標,再利用人工試錯的方式對其反復調(diào)整直到計劃滿意為止。但該種方式會導致計劃設計效率和計劃質(zhì)量完全受限于計劃者的經(jīng)驗豐富程度和實際可投入臨床的時間、精力。基于經(jīng)驗學習的計劃設計方法通過學習大量先驗計劃并以此構(gòu)建患者幾何解剖特性與其劑量學特性間的關(guān)聯(lián)模型,可在新患者計劃設計前預測其大致的劑量學特性,將該特性作為優(yōu)化初始化目標可有效保證計劃設計的效率以及計劃同質(zhì)性。但常見的預測目標形式為DVH和劑量學指征項,均屬于累積型劑量信息,將該類信息作為優(yōu)化引導會失去對劑量的空間控制,且無法滿足精細的體素級劑量調(diào)整的目的。以三維劑量分布為預測目標并將其作為優(yōu)化引導是最理想的計劃設計方案。目前研究多以構(gòu)建更精確的預測劑量分布模型為目的,對預測的使用鮮有提及,但考慮到預測固有的不確定性、三維劑量信息的復雜性,對預測三維劑量的有效利用應為預測引導計劃設計的重點研究內(nèi)容。因此,本文在團隊內(nèi)部已有三維劑量分布預測模型的基礎上,首先針對預測劑量分布在優(yōu)化中的有效利用以及保證輸出優(yōu)化計劃質(zhì)量的最大限度改善,提出了基于預測劑量分布引導和gEUD混合模型的計劃優(yōu)化方法,該方法利用預測劑量分布構(gòu)建體素級的優(yōu)化目標函數(shù),使輸出劑量逼近預測,并通過添加等效均勻劑量目標,對預測誤差進行修正,同時擴大優(yōu)化求解空間。由10例宮頸癌IMRT計劃的重新優(yōu)化結(jié)果與其原始計劃的比較可知:優(yōu)化方法可保證靶區(qū)劑量的覆蓋率和均勻性,且有效地減少危及器官的受量。此外,出于對預測不確定性對優(yōu)化結(jié)果影響的考慮,本文建立了一種以預測劑量序列為引導的計劃優(yōu)化方法,該方法通過構(gòu)建更具包容性的預測應用目標函數(shù),可提高優(yōu)化在處理預測不確定性上的自由度。實驗將優(yōu)化計劃與原始計劃比較以驗證方法的有效性,同時將其與預測點劑量分布引導優(yōu)化所得計劃進行比較以進一步評估該方法的性能。從10例IMRT計劃的比較結(jié)果可知:該優(yōu)化方法可保證輸出計劃質(zhì)量不差于甚至優(yōu)于原始計劃,但與預測點劑量分布引導的優(yōu)化方法間存在權(quán)衡。本文針對預測三維劑量分布在放療計劃優(yōu)化中的應用,首先實現(xiàn)了一種基于預測劑量分布引導以及gEUD混合模型的IMRT計劃優(yōu)化方法,該方法可有效利用預測劑量分布信息,同時保障輸出計劃的質(zhì)優(yōu)性;并通過探索新的預測劑量優(yōu)化目標形式,提出了以預測劑量序列為引導的計劃優(yōu)化方法,可有效保證輸出計劃的同質(zhì)性。
【學位單位】：南方醫(yī)科大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：R730.55
【部分圖文】：

?方式，可根據(jù)輸入和反饋輸出以及期望輸出信息來不斷調(diào)整輸入和輸出內(nèi)部各??個節(jié)點間的鏈接關(guān)系（圖２－１），從而實現(xiàn)有效的關(guān)聯(lián)構(gòu)建。利用該模型可有效??預測患者的三維劑量分布信息。??產(chǎn)?ｎｐｕｔ?Ｈｉｄｄｅｎ?Ｏｕｔｐｕｔ??Ｌａｙｅｒ?Ｌａｙｅｒ?Ｌａｙｅｒ??圖２－１．人工神經(jīng)網(wǎng)絡??Ｆｉｇｕｒｅ?２－１．?Ａｒｔｉｆｉｃｉａｌ?ｎｅｕｔｒａｌ?ｎｅｔｗｏｒｋ??（２）?Ｌｉｕ等人［３６］提出了基于光流模型的劑量分布預測方法，利用光流算法并根??據(jù)靶區(qū)和危及器官的相對位置關(guān)系將多張劑量分布圖進行配準，對其進行主成??分分析后即可得到劑量分布模型。利用該模型可預測出較為準確的三維劑量分??布。??２．３本章小結(jié)??本章介紹了調(diào)強放療計劃設計中的優(yōu)化技術(shù)以及基于經(jīng)驗學習的劑量學目??標預測。第一節(jié)介紹了逆向放療計劃優(yōu)化技術(shù)（通量分布圖優(yōu)化模型），主要內(nèi)??容包括劑量計算法、優(yōu)化模型、優(yōu)化算法、常見的劑量學優(yōu)化目標形式及其優(yōu)??缺點；第二節(jié)列舉了基于先驗知識的劑量學優(yōu)化目標預測方法，包括ＤＶＨ曲線、??劑量學指征項以及三維劑量分布的預測。??１６??

ｏｐｔｉｍｉｚａｔｉｏｎ?ｍｅｔｈｏｄ??基于預測三維劑量分布引導和ｇＥＵＤ混合模型的放療計劃優(yōu)化方法實現(xiàn)框??架如圖３－１所示，主要包含計劃危及器官集的三維劑量分布預測和預測劑量分布??引導引導的計劃優(yōu)化兩部分：１）危及器官集的三維劑量分布預測，利用人工神??經(jīng)網(wǎng)絡的學習方法對大量先驗計劃進行智能學習，構(gòu)建質(zhì)優(yōu)計劃的劑量學特性??與患者個體化特性之間的關(guān)聯(lián)，并通過測試集得出優(yōu)化實驗所需的預測劑量分??布；２）以預測危及器官的三維劑量分布（Ｐｒｅｄ．）引導的計劃優(yōu)化，以將預測劑??量分布信息引入優(yōu)化目標函數(shù)的方式設計優(yōu)化策略，使危及器官的劑量分布在??預設硬約束條件下逼近其預測目標的水平，同時添加危及器官的等效均勻劑量??目標以進一步降低危及器官的受量，求解收斂后得到自動優(yōu)化后的計劃，比較??臨床原始計劃與優(yōu)化計劃間的質(zhì)量差異

??不同“預測”精度的三維劑量分布引導的優(yōu)化計劃與原始計劃的ＤＶＨ曲線??比較見圖３－２，從中可以看出：１）原始危及器官劑量分布引導優(yōu)化計劃的質(zhì)量??優(yōu)于原始計劃，說明了預測劑量分布引導優(yōu)化方法的有效性；２）隨著劑量分布??預測松弛程度的增加，優(yōu)化計劃的質(zhì)量變差；３）在一定的收緊范圍內(nèi)，隨著劑??量分布的收緊，Ｕ？劃質(zhì)量是有提升的，但如果超過了這個范圍，靶區(qū)覆蓋率會??有明顯的降低，滿足不了預設的相關(guān)約束。因此針對圖３－２中患者來說，收緊??５％的劑量分布所引導的優(yōu)化計劃可被認為是患者可達的最優(yōu)計劃。以上優(yōu)化試??驗結(jié)果表明：對劑量分布預測進行松弛，可降低其引導優(yōu)化計劃的質(zhì)量；且若??在一定范圍內(nèi)收緊劑量分布預測，可在＋犧牲靶區(qū)的同時減少優(yōu)化ＩＩ？劃中危及??器官受量，從而提升輸出計劃質(zhì)量；兩種結(jié)果均可說明：僅基于預測劑量分布??目標引導所得的優(yōu)化計劃且質(zhì)量實際還有提升的空間。??（Ａ）?＂川??？?６〇?１??ｗ?６０?４３．５?４４?４４．５??３?一?ＰＴＶ?］?＼??
【相似文獻】

相關(guān)期刊論文 前10條

1 曹慶凱;韓樹奎;;4—9 電子束劑量的刻度和束中心軸深度量的解析表達式[J];醫(yī)學物理;1987年Z1期

2 S.Woolf ,J.C.Garch ,梁偉;ONETRAN計算結(jié)果與鈷~(60)劑量分布數(shù)據(jù)比較確定光子能譜[J];微電子學;1988年02期

3 楊占山,馮定華,常自持,李士駿;頭部CT掃描時受檢者的體表劑量分布[J];中國核科技報告;1989年00期

4 陳焱;辛暉;;鈾礦山的監(jiān)測要求和劑量分布[J];世界采礦快報;1989年05期

5 孫艷;;中子的劑量分布及染色體分析[J];國外醫(yī)學(臨床放射學分冊);1989年02期

6 劉平,張一云,張曉峰;用Monte Carlo方法研究旋轉(zhuǎn)γ-刀劑量分布[J];中華放射醫(yī)學與防護雜志;2005年03期

7 徐曉,楊天恩,常力方;二維治療計劃系統(tǒng)中的準三維劑量分布的估算與評價[J];中國腫瘤臨床;1999年07期

8 孟慧鵬;馮遠明;董化江;;基于劑量分布指數(shù)選擇胸部腫瘤最優(yōu)放療計劃的可行性分析[J];輻射研究與輻射工藝學報;2017年01期

9 苑淑渝;王道平;戴光復;何培坤;劉強;;放射性~(125)I粒籽源的劑量分布[J];中華放射醫(yī)學與防護雜志;2006年06期

10 馬永忠;王時進;蘇旭;;立體定向放射治療中靶外劑量分布的研究[J];中國職業(yè)醫(yī)學;2006年02期

相關(guān)博士學位論文 前6條

1 王玉;三維放射治療計劃系統(tǒng)仿真建模研究[D];東北大學;2013年

2 陳亮;同步輻射軟X射線輻射效應研究[D];中國科學技術(shù)大學;2011年

3 高云生;圖像引導的頭頸部腫瘤放射治療[D];復旦大學;2010年

4 周立慶;靜態(tài)多葉準直器簡化調(diào)強放射治療技術(shù)的研究[D];北京協(xié)和醫(yī)學院;2008年

5 江波;基于常規(guī)加速器的全身調(diào)強放療方法[D];北京協(xié)和醫(yī)學院;2010年

6 吳鳳;IMRT和SRT治療肺部腫瘤（非小細胞肺癌和肺轉(zhuǎn)移癌）的劑量學比較[D];中國協(xié)和醫(yī)科大學;2008年

相關(guān)碩士學位論文 前10條

1 郭芙彤;基于機器學習的放療計劃三維劑量分布預測研究[D];南方醫(yī)科大學;2019年

2 賈啟源;預測三維劑量分布引導的調(diào)強放療計劃優(yōu)化方法研究[D];南方醫(yī)科大學;2019年

3 孔繁圖;放療計劃三維劑量分布預測研究[D];南方醫(yī)科大學;2018年

4 付正豐;醫(yī)用電子直線加速器治療系統(tǒng)劑量分布的模擬及實驗研究[D];蘭州大學;2018年

5 劉爽;~（125）I種子源近距離放射治療的劑量分布模擬研究[D];東北師范大學;2012年

6 俞順飛;放射治療輻射場劑量分布膠片測量方法研究[D];中國疾病預防控制中心;2008年

7 肖杰;近距離治療中劑量分布的計算模型與優(yōu)化算法研究[D];第一軍醫(yī)大學;2000年

8 李彥飛;基于蒙卡的放療劑量驗證軟件的設計與實現(xiàn)[D];清華大學;2014年

9 吳春華;局部晚期鼻咽癌三維適形放療的劑量分布研究[D];廣西醫(yī)科大學;2002年

10 葉婷;HT、sIMRT、VMAT在鼻咽癌治療中劑量分布的比較[D];昆明醫(yī)科大學;2016年

本文編號：2835846