预测三维剂量分布引导的调强放疗计划优化方法研究

作     者：贾启源 

作者单位：南方医科大学 

学位级别：硕士

导师姓名：周凌宏

授予年度：2019年

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 1001[医学-基础医学(可授医学、理学学位)] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 100106[医学-放射医学] 10[医学] 

主      题：调强放射治疗 放疗计划优化 三维剂量分布预测 预测引导计划优化 

摘      要：调强放射治疗(Intensity Modulated Radiotherapy,IMRT)通过调制非均匀光子通量分布,能够在保证靶区剂量覆盖率、适形性的同时降低危及器官和周围组织的受量,在临床上得到了广泛应用。在IMRT计划设计中,由于理想的优化目标提前未知,物理师通常会参照统计所得的临床规范选择目标,再利用人工试错的方式对其反复调整直到计划满意为止。但该种方式会导致计划设计效率和计划质量完全受限于计划者的经验丰富程度和实际可投入临床的时间、精力。基于经验学习的计划设计方法通过学习大量先验计划并以此构建患者几何解剖特性与其剂量学特性间的关联模型,可在新患者计划设计前预测其大致的剂量学特性,将该特性作为优化初始化目标可有效保证计划设计的效率以及计划同质性。但常见的预测目标形式为DVH和剂量学指征项,均属于累积型剂量信息,将该类信息作为优化引导会失去对剂量的空间控制,且无法满足精细的体素级剂量调整的目的。以三维剂量分布为预测目标并将其作为优化引导是最理想的计划设计方案。目前研究多以构建更精确的预测剂量分布模型为目的,对预测的使用鲜有提及,但考虑到预测固有的不确定性、三维剂量信息的复杂性,对预测三维剂量的有效利用应为预测引导计划设计的重点研究内容。因此,本文在团队内部已有三维剂量分布预测模型的基础上,首先针对预测剂量分布在优化中的有效利用以及保证输出优化计划质量的最大限度改善,提出了基于预测剂量分布引导和gEUD混合模型的计划优化方法,该方法利用预测剂量分布构建体素级的优化目标函数,使输出剂量逼近预测,并通过添加等效均匀剂量目标,对预测误差进行修正,同时扩大优化求解空间。由10例宫颈癌IMRT计划的重新优化结果与其原始计划的比较可知:优化方法可保证靶区剂量的覆盖率和均匀性,且有效地减少危及器官的受量。此外,出于对预测不确定性对优化结果影响的考虑,本文建立了一种以预测剂量序列为引导的计划优化方法,该方法通过构建更具包容性的预测应用目标函数,可提高优化在处理预测不确定性上的自由度。实验将优化计划与原始计划比较以验证方法的有效性,同时将其与预测点剂量分布引导优化所得计划进行比较以进一步评估该方法的性能。从10例IMRT计划的比较结果可知:该优化方法可保证输出计划质量不差于甚至优于原始计划,但与预测点剂量分布引导的优化方法间存在权衡。本文针对预测三维剂量分布在放疗计划优化中的应用,首先实现了一种基于预测剂量分布引导以及gEUD混合模型的IMRT计划优化方法,该方法可有效利用预测剂量分布信息,同时保障输出计划的质优性;并通过探索新的预测剂量优化目标形式,提出了以预测剂量序列为引导的计划优化方法,可有效保证输出计划的同质性。