建立质子重离子放疗在线三维剂量验证方法的创新研究

The dose accuracy of radiotherapy is an important factor which will affecting the treatment effects. For proton and heavy ion radiotherapy, because particle beam has a fixed range in the material, it is more susceptible to various errors during treatment which will cause dose deviation. So there is an urgent need to implement online three-dimensional dose verification for patients’ radiotherapy to ensure treatment accuracy. At present, there are many online or in vivo verification methods at home and abroad, but these methods can’t establish quantitative relationship with 3D body dose, and have not been promoted and applied in clinical practice due to their limitations or technical bottlenecks. In this study, we intend to use the online CBCT and treatment log files for the 3D dose reconstruction in patient body. First, artificial intelligence technology "Generative Adversarial Network (GAN)" and unpaired CBCT and CT image set were used for training model to improve the image quality of CBCT. And then MATLAB was used to write a 3D dose reconstruction algorithm based on log files and improved CBCT to achieve online 3D dose verification. It can not only verify the treatment accuracy of single fraction, but also can provide accurate guidance for adaptive radiotherapy. This study provides a new idea for online dose verification of proton and heavy ion radiotherapy, and the implementation of this method will provide a more solid guarantee for the precise application of proton and heavy ion radiotherapy.

放射治疗的剂量精确性是影响疗效的重要因素，尤其是对于质子重离子放疗，由于其粒子射束在物质中具有固定射程，治疗中更易受到各种误差的影响而导致剂量偏差，因此迫切需要实现患者治疗的在线三维剂量验证来确保治疗精度。目前国内外已有众多在线或在体验证方法的研究，但都不能与三维体剂量建立精确定量关系，且因自身的局限性或技术瓶颈并未在临床中推广应用。据此本研究拟利用在线CBCT和治疗日志文件进行治疗时患者接受剂量的三维重建。研究中将使用人工智能技术“生成式对抗网络（GAN）”和非成对的CBCT以及CT图像集训练模型以提高CBCT的图像质量，并使用MATLAB编写基于日志文件和改进后的CBCT的三维剂量重建算法，实现在线三维剂量验证，其结果不仅可以验证每次治疗的精度还可以为自适应放疗提供精确的引导。本研究为质子重离子放疗的在线剂量验证提供了新的思路，该方法的实现将为质子重离子放疗的精确应用提供更坚实的保障。

质子重离子放射治疗的优势是具有较高的相对生物效应以及布拉格峰式的深度剂量分布。在线剂量验证可以确保剂量精确投照，进而确保这些理论优势的完全发挥。目前有质子探针、瞬发γ光子成像、PET成像等在线验证方法在研究中，但由于较低的测量精度等原因还无法临床应用。因此本研究创新性的提出了使用在线三维图像和治疗日志文件进行三维剂量验证。目前使用最广泛的在线图像是CBCT，因此首先我们需要对CBCT图像进行处理使其图像质量可用于临床的勾画和剂量计算；其次我们需要建立精确的基于日志文件的剂量重建算法；结合高质量的在线图像和剂量重建实现在线三维剂量验证。.本研究中我们使用了CycleGAN深度学习网络作为基本的非配对图像转换的训练网络，把CBCT图像转换为与CT图像质量相当的synthetic CT（sCT）。网络中关键性的设计是我们用结合了残差块（residual block）的U-net取代了传统的编码器-解码器结构作为生成器的网络结构，U-net的全连接可以直接传输输入图像的解剖结构，有利于保留生成图像与原始图像解剖结构的一致性。通过评价同一患者sCT与CT图像之间profile和HU值直方图的差异以及统计学指标平均绝对误差（MAE）、峰值信噪比（PSNR）、归一化互相关（NCC）和结构相似性（SSIM）来定量评价生成模型的准确性。同时通过在sCT上进行勾画和剂量计算评价了其在放疗中应用的精确性。结果表明sCT与CT图像质量相当，可应用于精确的器官勾画和剂量计算。.我们使用MATLAB开发了在患者CT上的剂量重建算法，使用两个具有相同中心但不同幅度和宽度的高斯分布的叠加来建模确保了横向剂量分布的精度，同时采用了射线投射法来计算非均匀的CT中针对同一射束横向不同位置的水等效深度，确保了剂量计算精度。通过与真实剂量分布比较，三维重建剂量分布的gamma通过率为98% ± 0.8%，平均剂量偏差1.02% ± 0.12%，重建算法精确性非常高。.该研究的科学意义在于首次实现了基于在线的CBCT图像和治疗日志文件进行扫描束质子重离子放疗在线三维剂量验证，为质子重离子的精确放疗提供了有力的保障。