基于患者特有几何结构预测可实现剂量学特性的放射治疗计划自动质量控制的研究

IMRT、VMAT、SBRT ect techniques are widely used in the clinic to treat patients in nowadays. Reversed planning is adopted when an IMRT plan is created, with multi-times trial and error to attempt an optimal state. Hence large amount time and effort should be offered and the final plan quality is highly depended on planner’s experience. As a consequence, high quality plans are hardly to be guaranteed when delivering to patients. It is quite important to have a plan quality control tool in the clinic to help predict acheivable plan dosimetric goals for each patient with its specific geomtry. To solve this issue, we start with prostate cancer patients and developed an efficient plan quality control method including following precedures: 1) dosimetric feature and patient geometric feature extraction; 2) prediction model between aforemantioned two vectors; 3) model accuray analysic as well as model prediction evaluation. The developed a model can predict acheivable plan dosimetric goals with patient specific geometry, and it is able to offer a way conducting automatic treatment plan quality control.

IMRT、VMAT、SBRT等先进放疗技术已广泛应用于临床肿瘤放疗。这些放疗技术均采用逆向计划，制定过程耗时、耗力，且极依赖计划制定者经验，导致放疗计划质量优劣程度不一，最终难以保障患者治疗效果的最佳性。因此，如何根据患者个性化特征预测放疗计划剂量学特点，保障放射治疗计划的质量，成为当今放疗领域一个亟待解决且意义重大的课题。本项目针对这一科学问题展开全面研究，以前列腺癌为研究对象，提出一种基于患者特有几何结构特性预测可实现剂量学特性的放射治疗计划自动质量控制的高效方法。主要研究内容包括：(1) 放疗计划剂量学特性与患者个性化几何结构特性的提取；(2) 剂量学特性与患者个性化几何结构特性之间关联模型的构建；(3) 关联模型的的有效性分析与实验验证。最终，构建放疗计划的自动质量控制系统，为临床计划质量保障提供高效强有力工具。

IMRT、VMAT、SBRT等先进放疗技术已广泛应用于临床肿瘤放疗。这些放疗技术均采用逆向计划，制定过程耗时、耗力，且极依赖计划制定者经验，导致放疗计划质量优劣程度不一，最终难以保障患者治疗效果的最佳性。因此，如何保障放射治疗计划的质量，成为当今放疗领域一个亟待解决且意义重大的课题。本项目针对放疗计划中CT散射仿真、变形图像配准、器官勾画、危及器官毒性预测、剂量分布预测等问题展开全面研究，取得以下研究成果：(1) 递归集合器官分割（REOS）框架：脑放射治疗中的应用；(2) 用于自适应放疗中变形图像配准精度验证的仿人腹部模型；(3) 十种用于自适应头颈放疗中CT和CBCT图像轮廓变形配准算法的综合评价；(4) 基于迁移学习的深度卷积神经网络在宫颈癌放疗中直肠毒性预测：可行性研究；(5) 基于深度学习的表面区域选择在左乳腺癌放疗中深吸气屏气检测的应用；(6) 内外运动估计建模在肺癌放疗中的内部运动估计；(7) 宫颈癌放疗中关联剂量特征和形变累加直肠表面剂量图的直肠毒性研究；(8) 应用于CT快速散射光子计算的Metropolis蒙特卡洛仿真方案；(9) 放疗计划剂量学特征和患者几何特性的提取；(10) 基于多任务学习方法的单模多器官三维剂量分布预测研究；(11) 基于深度学习的三维剂量分布预测方法研究；(12) 放疗计划剂量学特性与几何特性关联模型的构建；(13) 计划质量评价与控制体系的构建。.项目研究期间发表SCI论文12篇，中文核心5篇，申请专利9项，培养人才13名。