基于剂量预测模型和Pinnacle脚本的宫颈癌VMAT自动计划研究

作     者：陈彦宇 

作者单位：南华大学 

学位级别：硕士

导师姓名：邱小平;柏朋刚

授予年度：2022年

学科分类：082704[工学-辐射防护及环境保护] 1002[医学-临床医学] 08[工学] 081104[工学-模式识别与智能系统] 0827[工学-核科学与技术] 100214[医学-肿瘤学] 0811[工学-控制科学与工程] 10[医学] 

主      题：宫颈癌 容积旋转调强放射治疗 自动计划 人工神经网络 Pinnacle脚本 

摘      要：目前宫颈癌的放疗计划设计需要物理师手动完成,该过程需要耗费大量的时间和精力。为了解决以上问题,本研究通过结合剂量预测模型和Pinnacle脚本,实现宫颈癌容积旋转调强放射治疗(VMAT)自动计划。本研究选取了福建省肿瘤医院120例采用根治性放疗的宫颈癌临床病例,将其随机划分成训练集(96例)和测试集(24例)。首先通过重叠体积直方图(OVH)描述子将危及器官与靶区的三维空间关系降维量化成二维关系;然后搭建一个人工神经网络模型,将OVH信息作为模型输入,剂量信息作为模型输出,通过训练集训练得到一个预测危及器官剂量信息的预测模型,并用测试集测试剂量预测模型的准确性;接着利用Python语言编写程序读取测试集病例的处方信息及危及器官剂量预测结果,依此生成相对应病例的个性化目标函数和自动化脚本,运行相应的自动化脚本,实现放疗计划设计流程自动化,得到测试集病例的自动计划;最后对测试集自动计划和手动计划进行对比,评价本研究自动计划的应用价值。研究结果显示,基于人工神经网络的剂量预测模型准确性整体可以达到90%左右,剂量信息的预测值和实际值相比较差异没有统计学意义。自动计划在靶区适形性和均匀性上与手动计划效果相当,危及器官均满足剂量限值,其中脊髓、膀胱、直肠、股骨头剂量学参数的平均值低于手动计划,髂骨、小肠、肾脏剂量学参数的平均值高于手动计划。计划设计时间上,手动计划平均用时(1265.13±284.26)秒,自动计划平均用时(187.15±36.51)秒。机器跳数方面,自动计划机器跳数要略高于手动计划,但这种差异对放疗计划实施时间的影响是可以接受的。综上可以得出结论,基于剂量预测模型和Pinnacle脚本的宫颈癌VMAT自动计划不仅可以满足临床要求,还大大缩短了计划设计时间,有助于物理师提高放疗计划设计效率。