当前位置:主页 > 医学论文 > 临床医学论文 >

基于先验知识的放疗计划自动优化技术的研究与临床应用

发布时间:2024-05-09 00:15
  当今,恶性肿瘤是危害人类生命健康的主要疾病。而放射治疗(Radiotherapy)是与手术治疗,化学药物治疗组成针对肿瘤的主要治疗方案。总体来说,放射治疗技术的目标就是将放射线最大化的集中在恶性肿瘤区域(肿瘤靶区)内,最大限度的杀灭肿瘤细胞,同时不伤害周围的正常组织和器官,降低毒性反应,从而提高放射治疗的治疗增益比率。随着临床病例的不断积累,当前放射治疗系统中存在大量的癌症患者图像信息以及剂量计划信息。这些信息都成为先验知识。将这些先验知识进行特征提取和量化分析,可以实现放疗计划系统的智能化,从而有效提高放射治疗的准确率并进行放疗疗效预测。本研究主要分为两部分:1)放疗计划优化算法研究:由于分次间的形变往往十分复杂且无规律,仅仅使用一种优化算法来快速实现将原始计划自适应于不同靶区形变是不现实的,所以我们有必要对两种优化算法生成的自适应计划的质量进行对比验证。虽然,已有文献报道对两种优化算法在生成计划质量方面的对比,但是还没有关于两种优化算法应用在在线自适应放疗方面或者分次间靶区形变分类方面的研究。其次,针对宫颈癌,我们通过对比基于剂量体积限制条件的(DVO,在优化过程中只使用物理限制条...

【文章页数】:77 页

【学位级别】:硕士

【部分图文】:

图1-2-1多叶准直器MLC形成的非规则野

图1-2-1多叶准直器MLC形成的非规则野

图1-2-1多叶准直器MLC形成的非规则野在MKT计划设计中,必须确定每个照射野的强度分布。如上所述,每个射野的强度分布可以看作是由微小的笔射束二维阵列组成的。一般情况下,数百个笔射束组成一个照射野。因此一个多野计划需要确定的参数就有成千上万个。对于这样的问题,常规的....


图2-1-1DVO优化算法和DMPO优化算法流程示意图

图2-1-1DVO优化算法和DMPO优化算法流程示意图

图2-1-1DVO优化算法和DMPO优化算法流程示意图acle计划系统(PinnacleV9.2,PhilipsMedicalSystems,M统(EclipseV11.0,Varianmedicalsystems,Inc.,PaloAlt....


图2-1-2PTV形变模拟示意图

图2-1-2PTV形变模拟示意图

图2-1-2PTV形变模拟示意图。C.1.靶区移动C.1.a向上移动为了模拟摆位不准确带来的靶区形变,计划等中心向上移动了0.5mm(图2-1-2:上移)。C.2.靶区几何形变C.2.a.内收及外扩为了模拟每个患者分次间的几何形变,分别将原始的PTV进行内....


图2-1-3计划设计流程图

图2-1-3计划设计流程图

图2-1-3计划设计流程图。D.1.原始计划(O-P)基于每个患者的原始解剖图像,分别在Pinnacle和Eclipse计划系统上手工设计满足临床要求的原始计划。换句话说,每个病人有两个原始计划,分别通过DMPO和DAO优化得到。D.2.非自适应计划(N....



本文编号:3968033

资料下载
论文发表

本文链接:https://www.wllwen.com/linchuangyixuelunwen/3968033.html


Copyright(c)文论论文网All Rights Reserved | 网站地图

版权申明:资料由用户a4779***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱[email protected]