期刊文献+
共找到89篇文章
< 1 2 5 >
每页显示 20 50 100
自动计划RapidPlan优化模块在鼻咽癌调强计划中的可行性应用 被引量:7
1
作者 任江平 周瑛瑛 +6 位作者 戴许豪 娄鹏荣 陶庆松 郭建新 吴朝霞 吴清蓉 殷芳芳 《中国医学物理学杂志》 CSCD 2017年第8期783-789,共7页
目的:通过比较常规调强计划与自动优化计划间的差异,探讨自动计划RapidPlan优化模块在鼻咽癌调强计划应用中的可行性。方法:选取60例经临床验证的优质鼻咽癌计划进行分析和特征提取,先建立一个特定的自动优化模型,然后用此模型对另外的1... 目的:通过比较常规调强计划与自动优化计划间的差异,探讨自动计划RapidPlan优化模块在鼻咽癌调强计划应用中的可行性。方法:选取60例经临床验证的优质鼻咽癌计划进行分析和特征提取,先建立一个特定的自动优化模型,然后用此模型对另外的15例鼻咽癌计划进行测试,比较这15例经模型测试优化后形成的自动计划与用常规调强优化的计划间的差异。采用SPSS 22.0版软件分别对两组计划的各主要参数行配对样本t检验分析。结果:自动优化产生的计划得到的剂量分布更佳;且自动优化比常规调强优化效率更高,自动计划的优化平均时间比常规调强计划缩短33.67%(P=0.001),优化次数也从平均3.5次降到2.2次(P=0.000);自动优化比常规调强优化的计划执行效率更高,MU值平均值减少376 MU,平均减少原来的14.8%(P=0.000)。结论:基于解剖特性和先验知识的自动计划模块,即RapidPlan优化模块,通过建立优化模型,设置优化参数,产生的鼻咽癌调强计划,可以达到比常规调强计划更佳的靶区剂量分布结果,并且更好地降低正常组织的剂量,同时获得比常规调强计划更高的优化效率和计划执行效率,在鼻咽癌的调强计划优化中是切实可行的。 展开更多
关键词 调强治疗 自动计划 剂量预测 执行效率
下载PDF
分化型甲状腺癌患者术后左甲状腺素最佳初始剂量预测模型探讨 被引量:7
2
作者 李林通 计成 +2 位作者 严思敏 桑剑锋 葛卫红 《中国药房》 CAS 北大核心 2019年第3期387-391,共5页
目的:构建分化型甲状腺癌(DTC)患者术后左甲状腺素(L-T4)初始剂量的预测模型。方法:选取南京鼓楼医院甲状腺乳腺外科100例DTC术后患者,收集患者性别、年龄、身高、体质量、体质量指数(BMI)等基础信息和出院后定期的随访信息,记录患者甲... 目的:构建分化型甲状腺癌(DTC)患者术后左甲状腺素(L-T4)初始剂量的预测模型。方法:选取南京鼓楼医院甲状腺乳腺外科100例DTC术后患者,收集患者性别、年龄、身高、体质量、体质量指数(BMI)等基础信息和出院后定期的随访信息,记录患者甲状腺功能检查相关数据及每次L-T4的调整剂量,采用单因素方差分析和t检验分析与L-T4初始剂量有显著相关性的预测因子,采用线性回归分析建立L-T4初始剂量的预测模型,并进行前瞻性试验验证。结果:单因素方差分析得出DTC术后患者L-T4初始剂量与患者年龄(P=0.01,F=3.993)、体质量(P<0.001,F=6.910)和BMI(P<0.001,F=7.698)均有显著的相关性,线性回归分析得出L-T4初始剂量预测模型为L-T4(μg/kg)=2.971-0.033×BMI-0.005×年龄。按经验性给予DTC术后患者L-T4,首次随访患者的甲状腺功能达标比例仅为16%(16/100);验证试验中按预测模型计算的初始剂量给予L-T4,首次随访患者的达标比例可达63.7%(44/69)。结论:建立的DTC患者术后L-T4初始剂量的预测模型具有一定的实用性。 展开更多
关键词 分化型甲状腺癌 左甲状腺素 初始剂量 预测模型
下载PDF
人工智能在肿瘤放射治疗中的应用 被引量:7
3
作者 李华玲 李金凯 +1 位作者 王沛沛 孙新臣 《临床肿瘤学杂志》 CAS 北大核心 2019年第10期943-947,共5页
人工智能是一门新兴的技术科学,它利用计算机模型和算法来复制模拟类似于人类的智能,并执行特定的任务,在医疗保健领域具有巨大的潜力。人工智能广泛地应用于肿瘤放射治疗的多个方面,主要涵盖了自动分割技术在肿瘤靶区及危及器官自动勾... 人工智能是一门新兴的技术科学,它利用计算机模型和算法来复制模拟类似于人类的智能,并执行特定的任务,在医疗保健领域具有巨大的潜力。人工智能广泛地应用于肿瘤放射治疗的多个方面,主要涵盖了自动分割技术在肿瘤靶区及危及器官自动勾画中的应用,基于U-net模型的多种技术在肿瘤靶区及危及器官剂量分布自动预测中的应用,基于深度学习和人工神经网络的多种技术在放射治疗计划自动设计以及放射治疗前放射毒性和放射治疗后疗效预测的应用等方面。本文对传统的机器学习、深度学习和人工神经网络的基础知识及人工智能在肿瘤放射治疗中的应用进行综述。 展开更多
关键词 肿瘤 放射治疗 人工智能 自动勾画 剂量预测 自动计划
下载PDF
机械瓣膜置换术后稳定期华法林抗凝治疗质量评价及其基因学研究 被引量:7
4
作者 任荣 钱永军 +2 位作者 黄云 李涛 肖锡俊 《中国胸心血管外科临床杂志》 CAS CSCD 2019年第7期681-687,共7页
目的评价机械瓣膜置换手术后稳定期患者的华法林抗凝治疗质量,观察复方丹参片对机械瓣膜置换术后患者华法林抗凝治疗效果的影响,VKORC1、CYP2C9及CYP4F2的基因多态性对机械瓣膜置换术患者术后稳定期华法林敏感及华法林抵抗的影响。方法2... 目的评价机械瓣膜置换手术后稳定期患者的华法林抗凝治疗质量,观察复方丹参片对机械瓣膜置换术后患者华法林抗凝治疗效果的影响,VKORC1、CYP2C9及CYP4F2的基因多态性对机械瓣膜置换术患者术后稳定期华法林敏感及华法林抵抗的影响。方法2011年7月至2014年2月在门诊随访时登记我们所施行的机械瓣膜置换手术后≥6个月的患者1831例,记录患者基本临床资料。抗凝治疗采用目标国际标准化比值(INR,1.6~2.2)及以每周为单位的华法林剂量调整策略。筛选46例需加用复方丹参片的患者,记录服用复方丹参片前后INR检测值并比较其差异。将本研究纳入患者按华法林服用剂量的百分位数进行分组,即华法林敏感患者、对照患者、华法林抵抗患者,筛选其中101例患者,采用TIANGENBloodDNAKit血液基因组DNA提取试剂盒提取样本,以聚合酶链限制性片段-长度多态性分析法(PCR-RELP)测定患者基因型。检测的基因位点为:CYP4F2:rs2108622C>T位点;VKORC1:1639G>A位点;VKORC1:1173C>T位点;CYP2C9*2:rs1799853C>T位点;CYP2C9*3:1061A>C位点。结果(1)本研究观察期间内所纳入患者目标INR范围治疗范围时间(time in therapeutic range,TTR)和治疗范围时间分数(fraction of time in therapeutic range,FTTR)分别为27.2%、49.4%,可接受INR范围内的TTR和FTTR分别为34.2%、63.4%。(2)加用复方丹参片的患者在加用前及加用后,INR检测值分别为1.55±0.03、1.69±0.30,差异有统计学意义(P<0.05)。(3)基因检测患者共101例,其中VKORC1:1173C>T基因位点中C/T构成比在华法林敏感、对比及华法林抵抗患者中依次升高,而CYP2C9*3:1061A>C基因位点中C/T的等位基因位点构成比依次降低。CYP4F2基因、VKORC1639基因、CYP2C9*2基因位点无差异。(4)国际华法林临床药理协会(IWPC)模型预测服用华法林剂量仅与华法林敏感患者实际服用华法林剂量吻合。结论机械瓣膜置换术后稳定期患者相对较 展开更多
关键词 机械瓣膜置换 抗凝治疗质量 治疗范围时间 华法林敏感 华法林抵抗 基因 剂量预测
原文传递
基于深度学习的子宫内膜癌术后容积旋转调强治疗计划剂量预测的研究
5
作者 何钰 邓春娥 刘润红 《中国医学装备》 2024年第3期29-33,43,共6页
目的:探讨基于三维深度残差网络(3D Res-Unet)模型深度学习对子宫内膜癌术后容积旋转调强治疗(VMAT)计划剂量精度的预测价值。方法:回顾性收集2019-2021年内江市第一人民医院放疗中心治疗的154例子宫内膜癌患者VMAT放疗计划,将数据集按7... 目的:探讨基于三维深度残差网络(3D Res-Unet)模型深度学习对子宫内膜癌术后容积旋转调强治疗(VMAT)计划剂量精度的预测价值。方法:回顾性收集2019-2021年内江市第一人民医院放疗中心治疗的154例子宫内膜癌患者VMAT放疗计划,将数据集按7∶1∶2采用随机抽样法分为训练集108例,验证集15例和测试集31例,以临床批准的剂量作为“金标准”,对3D Res-UNet预测的放疗剂量与临床的放疗剂量进行比较。结果:深度学习与临床“金标准”之间的靶区适型度指数(CI)和平均剂量(D_(mean))差异有统计学意义(t=-3.115、-0.124,P<0.05)。危及器官(OAR)膀胱40%处方剂量所覆盖的靶区体积(V_(40))差异有统计学差异(t=0.510,P<0.05),直肠V50差异有统计学差异(t=-2.121,P<0.05)。左股骨头V_(30)预测剂量小于临床剂量(t=0.415,P<0.05)。右股骨头V_(30)预测剂量小于临床剂量(t=-3.102,P<0.05)。骨盆D_(mean)预测剂量高于临床剂量(t=1.224,P<0.05)。小肠V_(40)预测剂量高于临床剂量(t=0.461,P<0.05)。其他指标差异均无统计学差异(P>0.05)。剂量差异图显示,预测结果与临床结果差异很小,预测与临床的剂量体积直方图基本重合。结论:3D Res-UNet模型可有效预测子宫内膜癌术后VMAT计划三维空间剂量,可指导临床放疗工作。 展开更多
关键词 子宫内膜癌 容积旋转调强治疗 三维剂量 深度学习 剂量预测
下载PDF
基于Transformer注意力机制的肺癌调强放射治疗三维剂量预测
6
作者 陈旸汀 杨鑫 +2 位作者 靳富 冯彬 罗文 《中华放射肿瘤学杂志》 CSCD 北大核心 2024年第6期532-539,共8页
目的:开发一种基于三维Transformer的深度学习架构,用于肺癌调强放疗(IMRT)计划的剂量分布预测。方法:回顾性分析重庆大学附属肿瘤医院2020年1月—2022年12月间174例肺癌行IMRT患者的资料,设置训练、验证、测试集分别为116、29、29例。... 目的:开发一种基于三维Transformer的深度学习架构,用于肺癌调强放疗(IMRT)计划的剂量分布预测。方法:回顾性分析重庆大学附属肿瘤医院2020年1月—2022年12月间174例肺癌行IMRT患者的资料,设置训练、验证、测试集分别为116、29、29例。通过Swin Unet Transformer(Swin Unetr)模型进行三维剂量分布预测训练,该模型使用带位移窗口的Transformer模块编码器,输入包括CT图像、计划靶区(PTV)和危及器官轮廓图像、射束信息图像和靶区距离图像。使用平均绝对误差(MAE)、戴斯相似性系数(DSC)以及剂量体积直方图(DVH)剂量学参数来评估模型的性能,并与其他3种深度学习模型CGAN、ResSEUnet、ResUnet进行比较。结果:Swin Unetr预测与原临床计划的剂量分布的MAE为0.0143±0.0055,CGAN、ResSEUnet和ResUnet分别为0.0162±0.0055、0.0167±0.0063和0.0164±0.0057。Swin Unetr在各等剂量值均取得了最高的DSC值(>0.85)。剂量学参数方面,除PTV的D 2%和心脏的D mean以外,其余Swin Unetr预测与原临床计划的剂量学参数差异均无统计学意义(P>0.05),且66.67%的总体剂量学参数和75%的PTV剂量学参数评估结果表现最佳。结论:在多个剂量学评估指标上,Swin Unetr取得了最佳评分,在各等剂量值上取得最高DSC。Swin Unetr在肺癌IMRT三维剂量预测方面的准确性较以往模型有显著改进。 展开更多
关键词 深度学习 剂量预测 肺肿瘤 调强放射疗法
原文传递
鼻咽癌调强放疗中腮腺平均吸收剂量预测模型研究 被引量:6
7
作者 石翔翔 唐涛 +1 位作者 陈斌 庞皓文 《肿瘤防治研究》 CAS CSCD 北大核心 2017年第4期253-256,共4页
目的探讨鼻咽癌调强放疗时腮腺平均吸收剂量(Dmean)及其D50%的预测模型。方法随机选取西南医科大学附属医院肿瘤科50例鼻咽癌调强放疗患者,采集初始放疗计划CT图像,分析腮腺体积与其Dmean和D50%之间的相关数学模型,在制作放疗计划前对... 目的探讨鼻咽癌调强放疗时腮腺平均吸收剂量(Dmean)及其D50%的预测模型。方法随机选取西南医科大学附属医院肿瘤科50例鼻咽癌调强放疗患者,采集初始放疗计划CT图像,分析腮腺体积与其Dmean和D50%之间的相关数学模型,在制作放疗计划前对腮腺的Dmean及其D50%进行预测。结果鼻咽癌患者Voverlap/Vparotid与Dmean/Dprescription之间存在显著正相关性(置信度为0.01,r=0.895),Voverlap/Vparotid与D50%/Dprescription之间存在显著正相关性(置信度为0.01,r=0.812),并利用Matlab软件拟合出上述两者之间的相关公式。结论鼻咽癌患者在制作放疗计划前可根据本研究所拟合出的相关数学模型,在给定处方条件下通过Voverlap/Vparotid,提前预测出Dmean与D50%,作为调强计划评估标准,从而减少放疗计划优化过程中主观因素造成的影响。 展开更多
关键词 鼻咽癌 调强放疗 腮腺 吸收剂量 预测模型
下载PDF
基于MHA⁃resunet神经网络的非小细胞肺癌VMAT放疗剂量分布预测研究
8
作者 张海峰 郁艳军 张富利 《中华放射医学与防护杂志》 CAS CSCD 北大核心 2024年第6期523-530,共8页
目的应用深度学习神经网络高精度预测非小细胞肺癌(NSCLC)患者容积旋转调强放疗(VMAT)计划的剂量分布。方法基于Res⁃Unet基础网络引入大核空洞卷积模块和多头注意力(MHA)机制构建了MHA⁃resunet网络。在此基础上,以随机数表法从上千例接... 目的应用深度学习神经网络高精度预测非小细胞肺癌(NSCLC)患者容积旋转调强放疗(VMAT)计划的剂量分布。方法基于Res⁃Unet基础网络引入大核空洞卷积模块和多头注意力(MHA)机制构建了MHA⁃resunet网络。在此基础上,以随机数表法从上千例接受VMAT放疗NSCLC患者中选取151例患者,以CT图像、计划靶区(PTV)与危及器官(OARs)轮廓作为输入,以剂量分布图作为输出训练神经网络。然后将该网络的性能与常用的几种网络的性能进行比较,通过PTV与OARs内的体素级平均绝对误差(MAE)和临床剂量体积指标误差对网络性能进行评估。结果基于MHA⁃resunet网络的预测剂量与真实计划剂量的平均绝对误差在靶区内为1.51 Gy,靶区的D_(98)、D_(95)误差均<1 Gy。与Res⁃Unet、Atten⁃Unet、DCNN 3种常用网络比较,MHA⁃resunet在靶区与除心脏外的OARs内的剂量误差均为最小。结论MHA⁃resunet网络通过提高感受野来学习靶区与危及器官的相对位置关系,能够准确地预测接受VMAT放疗的NSCLC患者的剂量分布。 展开更多
关键词 非小细胞肺癌 剂量预测 神经网络 多头注意力
原文传递
Predicting 3D Radiotherapy Dose-Volume Based on Deep Learning
9
作者 Do Nang Toan Lam Thanh Hien +2 位作者 Ha Manh Toan Nguyen Trong Vinh Pham Trung Hieu 《Intelligent Automation & Soft Computing》 2024年第2期319-335,共17页
Cancer is one of the most dangerous diseaseswith highmortality.One of the principal treatments is radiotherapy by using radiation beams to destroy cancer cells and this workflow requires a lot of experience and skill ... Cancer is one of the most dangerous diseaseswith highmortality.One of the principal treatments is radiotherapy by using radiation beams to destroy cancer cells and this workflow requires a lot of experience and skill from doctors and technicians.In our study,we focused on the 3D dose prediction problem in radiotherapy by applying the deeplearning approach to computed tomography(CT)images of cancer patients.Medical image data has more complex characteristics than normal image data,and this research aims to explore the effectiveness of data preprocessing and augmentation in the context of the 3D dose prediction problem.We proposed four strategies to clarify our hypothesis in different aspects of applying data preprocessing and augmentation.In strategies,we trained our custom convolutional neural network model which has a structure inspired by the U-net,and residual blocks were also applied to the architecture.The output of the network is added with a rectified linear unit(Re-Lu)function for each pixel to ensure there are no negative values,which are absurd with radiation doses.Our experiments were conducted on the dataset of the Open Knowledge-Based Planning Challenge which was collected from head and neck cancer patients treatedwith radiation therapy.The results of four strategies showthat our hypothesis is rational by evaluating metrics in terms of the Dose-score and the Dose-volume histogram score(DVH-score).In the best training cases,the Dose-score is 3.08 and the DVH-score is 1.78.In addition,we also conducted a comparison with the results of another study in the same context of using the loss function. 展开更多
关键词 CT image 3D dose prediction data preprocessing augmentation
下载PDF
基于射束通道和生成对抗网络的调强放射治疗剂量预测方法
10
作者 陈君 蓝林臻 +6 位作者 柳炫宇 陈舒影 邱玲娜 李贵 关苗苗 章桦 郭飞宝 《福建医科大学学报》 2024年第2期109-115,共7页
目的基于射束通道实现调强放射治疗(放疗)剂量的精准预测。方法选取行调强放疗的鼻咽癌Ⅲ期患者137例。随机抽取102例为训练集,24例为验证集,11例为测试集。基于Pix2pix模型,引入剂量预计算结果作为射束通道,预测患者个体化放疗剂量分... 目的基于射束通道实现调强放射治疗(放疗)剂量的精准预测。方法选取行调强放疗的鼻咽癌Ⅲ期患者137例。随机抽取102例为训练集,24例为验证集,11例为测试集。基于Pix2pix模型,引入剂量预计算结果作为射束通道,预测患者个体化放疗剂量分布。采用剂量体积直方图(DVH)、处方剂量参数和计划综合评分对预测结果进行评估。结果11个测试病例的预测剂量和人工计划剂量综合评分分别为70/60、40/50、10/30、70/60、70/60、80/80、80/70、70/60、60/70、80/60和60/60。随机选取4个测试病例,DVH显示,模型对脑干和脊髓的预测剂量曲线整体位于人工计划剂量曲线的左侧,而对眼球和腮腺的预测剂量曲线整体位于人工计划剂量曲线的右侧。结论基于射束通道和Pix2pix模型,可对鼻咽癌放疗患者进行有效剂量预测,从而为放射物理师的计划设计目标提供参考。 展开更多
关键词 Pix2pix模型 射束通道 鼻咽癌 剂量预测
下载PDF
基于双层感知机网络的乳腺癌调强放疗计划设计 被引量:1
11
作者 刘炜焜 周凌宏 《中国医学物理学杂志》 CSCD 2023年第6期661-666,共6页
目的:利用左乳腺癌靶区的解剖结构几何特性与对应放疗计划的计划设计参数、部分关键剂量体积直方图(DVH)信息建立双层感知机网络,实现新患者放疗计划的自动设计以及部分关键DVH信息的预测。方法:采集50例左乳腺癌IMRT计划,提取靶区的重... 目的:利用左乳腺癌靶区的解剖结构几何特性与对应放疗计划的计划设计参数、部分关键剂量体积直方图(DVH)信息建立双层感知机网络,实现新患者放疗计划的自动设计以及部分关键DVH信息的预测。方法:采集50例左乳腺癌IMRT计划,提取靶区的重叠体积直方图特征、靶区切线角度特征作为输入特征,射野角度、目标函数参数以及部分关键DVH信息作为输出特征,训练双层感知机网络,预测10例新患者IMRT计划的射野角度和目标函数参数用于设计自动计划,经配对t检验分析自动计划、手动计划的剂量学结果与部分关键DVH信息预测结果,以验证左乳腺癌IMRT计划自动设计方法的可行性,以及对部分关键DVH信息预测的准确性。结果:自动计划基本满足临床要求;自动计划中靶区的D_(min)、D_(max)、D_(mean)、V_(prescription)、D_(5)、D_(95)、CI、HI,患侧肺的V_(20)、V_(5),心脏的V_(20)与手动计划比较差异没有统计学意义(P>0.05);自动计划设计耗时远小于手动计划设计耗时;预测的部分关键DVH信息包括PTV的D_(min)、D_(max)、D_(mean)、V_(prescription),患侧肺的V_(20)、V_(5),心脏的V_(20),分别与手动计划和自动计划相比,仅在PTV的D_(mean)、V_(prescription)和患侧肺的V_(20)有统计学意义(P<0.05),但符合临床放疗需求和期望。结论:通过双层感知机网络设计的自动计划与手动计划质量相当,并且大大减少了设计的耗时,预测的关键剂量学信息也能为计划质量评估提供参考。 展开更多
关键词 乳腺癌 调强放射治疗 机器学习 自动计划 感知机 剂量预测
下载PDF
基于危及器官剂量预测和射野角度优化的食管癌调强放疗自动计划研究 被引量:5
12
作者 娄朝阳 雷宏昌 +3 位作者 毛荣虎 郭伟 李兵 葛红 《中华放射肿瘤学杂志》 CSCD 北大核心 2021年第12期1275-1279,共5页
目的在Raystation计划系统上实现基于危及器官剂量预测和射野角度优化的食管癌调强放疗(IMRT)计划自动设计。方法选取50例食管癌IMRT计划数据作为训练集,训练危及器官剂量预测模型。另外选取20例病例应用RuiPlan自动计划脚本和人工方法... 目的在Raystation计划系统上实现基于危及器官剂量预测和射野角度优化的食管癌调强放疗(IMRT)计划自动设计。方法选取50例食管癌IMRT计划数据作为训练集,训练危及器官剂量预测模型。另外选取20例病例应用RuiPlan自动计划脚本和人工方法分别进行计划设计,其中在自动计划中使用射野角度优化和危及器官剂量预测模型。配对t检验比较两组计划的剂量差异和工作效率。结果人工计划和自动计划计划靶体积的适形指数、均匀性指数,全肺V5Gy与脊髓Dmax均相近(均P>0.05)。自动计划的左肺和右肺V20Gy、Dmean较人工计划下降1.1%、0.37 Gy和1.2%、0.38 Gy(均P<0.05),心脏V30Gy、V40Gy、Dmean较人工计划下降5.1%、3.0%、1.41 Gy(均P<0.05)。自动计划的人工操作时间、计算机处理时间、机器跳数较人工计划分别减少了65.8%、14.1%、17.2%(均P<0.05)。结论RuiPlan自动计划脚本能够通过危及器官剂量预测和射野角度优化的方法提高食管癌计划设计效率,为食管癌放疗计划设计提供了另一种可选途径。 展开更多
关键词 剂量预测 射野角度优化 自动计划 食管肿瘤/调强放射疗法
原文传递
全卷积网络放疗三维剂量分布预测研究 被引量:4
13
作者 白雪 王升晔 +5 位作者 王彬冰 张婕 邵凯南 杨一威 单国平 陈明 《中华放射肿瘤学杂志》 CSCD 北大核心 2020年第8期666-670,共5页
目的研究基于全卷积网络的左侧乳腺癌放疗三维剂量分布预测方法,并对其预测精度进行评估。方法利用全卷积网络实现三维剂量分布预测。首先建立60例左侧乳腺癌患者的容积调强弧形治疗(VMAT)计划库,从库中随机选取10例作为测试集数据,其... 目的研究基于全卷积网络的左侧乳腺癌放疗三维剂量分布预测方法,并对其预测精度进行评估。方法利用全卷积网络实现三维剂量分布预测。首先建立60例左侧乳腺癌患者的容积调强弧形治疗(VMAT)计划库,从库中随机选取10例作为测试集数据,其他50例作为训练集数据;然后,构建U-Net模型,利用该网络在器官结构矩阵和剂量分布矩阵间建立相关模型;最后,利用模型预测测试集病例的剂量分布,并将预测结果与实际计划结果比较。结果10例测试患者的PTV、患侧肺、心脏、双侧肺、脊髓的剂量平均绝对离差分别为(119.95±9.04)、(214.02±9.04)、(116.23±30.96)、(127.67±69.19)、(37.28±18.66)cGy。处方剂量80%、100%范围计划剂量和预测剂量的Dice相似性指数分别为0.92±0.01和0.92±0.01。处方剂量80%和10%范围内区域3 mm/3%标准的γ通过率分别为0.85±0.03、0.84±0.02。结论利用全卷积网络可实现左侧乳腺癌行VMAT患者的三维剂量分布预测。 展开更多
关键词 全卷积网络 剂量预测 乳腺肿瘤/容积调强弧形疗法
原文传递
CYP2C9及APOE基因多态性与华法林稳态剂量和模型预测剂量的相关性研究 被引量:4
14
作者 程弦 白树堂 《中国胸心血管外科临床杂志》 CAS CSCD 2019年第6期543-547,共5页
目的研究中国海南地区人群细胞色素P450(cytochrome P450,CYP450)2C9(CYP2C9)和载脂蛋白(apolipoprotein E,APOE)基因多态性对华法林稳态剂量的影响,以及与模型预测剂量的相关性。方法选取2016年8月至2018年7月于我院心胸外二科就诊,并... 目的研究中国海南地区人群细胞色素P450(cytochrome P450,CYP450)2C9(CYP2C9)和载脂蛋白(apolipoprotein E,APOE)基因多态性对华法林稳态剂量的影响,以及与模型预测剂量的相关性。方法选取2016年8月至2018年7月于我院心胸外二科就诊,并同意服用华法林抗凝需要行心脏瓣膜置换术的海南地区患者368例,其中男152例,年龄48.5~70.5(60.03±10.18)岁,女216例,年龄43.5~65.6(54.24±11.35)岁;通过聚合酶链式反应扩增CYP2C9和APOE基因片段,并对患者进行基因组单核苷酸多态性(single nucleotide polymorphisms,SNP)位点进行测序;同时记录患者的年龄、性别、体重、有无吸烟史和饮酒史,以及华法林稳态剂量等资料,并对这些临床资料进行回归分析,构建剂量预测模型。结果在368例患者中,CYP2C9基因型检测结果发现*1*1基因型患者301例,占比81.8%,*1*3型患者67例,占比18.2%,不同CYP2C9基因型患者,华法林稳态剂量差异有统计学意义(P<0.05);APOE基因型检测结果显示E2基因型患者93例,占比25.3%,E3基因型患者221例,占比60.1%,E4基因型患者54例,占比14.7%,不同APOE基因型患者华法林稳态剂量差异有统计学意义(P<0.05)。多元回归分析发现,患者的年龄、体重以及CYP2C9与APOE基因型均与患者的华法林稳态剂量有关,回归分析的相关系数R2=0.572,预测模型有统计学意义(P<0.05)。结论在我国海南地区人群中,存在CYP2C9以及APOE基因多态性,而且不同基因型的患者华法林稳态剂量存在显著差异;通过CYP2C9、APOE基因以及患者年龄、体重构建华法林稳态剂量预测模型,可以一定程度上解释不同患者之间华法林用药的差异。 展开更多
关键词 华法林剂量 细胞色素P4502C9 载脂蛋白E 模型预测
原文传递
基于深度学习的直肠癌术后调强放疗剂量分布预测 被引量:4
15
作者 周解平 彭昭 +5 位作者 王鹏 常艳奎 盛六四 吴爱东 钱立庭 裴曦 《中华放射医学与防护杂志》 CAS CSCD 北大核心 2020年第9期679-684,共6页
目的建立一种深度学习模型预测调强放疗(IMRT)的三维剂量分布。方法收集直肠癌术后IMRT患者共110例,随机数表法选择其中90例作为训练验证集并作9折交叉验证,剩下20例作为测试集。构建3D U-Res-Net模型,以CT影像、靶区和危及器官(OARs)... 目的建立一种深度学习模型预测调强放疗(IMRT)的三维剂量分布。方法收集直肠癌术后IMRT患者共110例,随机数表法选择其中90例作为训练验证集并作9折交叉验证,剩下20例作为测试集。构建3D U-Res-Net模型,以CT影像、靶区和危及器官(OARs)的解剖结构以及射束信息作为输入,IMRT剂量作为输出训练该模型,并用来预测测试集病例的剂量分布。采用三维剂量分布以及剂量—体积直方图(DVH)剂量参数评估预测精确性。结果在三维剂量分布上,体素剂量的平均预测偏差为-2.12%~2.88%、平均绝对误差为2.55%~5.75%;等剂量面的Dice系数均在0.9以上,平均霍夫距离(HD95)和平均表面距离(MSD)分别0.61~1.54 cm和0.21~0.45 cm。对于DVH剂量参数,除膀胱Dmean(P=0.048)以外,其他剂量学参数差异均无统计学意义(P>0.05)。结论基于3D U-Res-Net模型可以实现直肠癌术后IMRT剂量分布预测,为自动计划设计奠定基础。 展开更多
关键词 深度学习 剂量预测 直肠癌 调强放疗
原文传递
敌草快中毒病人脑损伤分子机制及其相关因素分析
16
作者 张源达 谢而付 +1 位作者 陈旭锋 王喆 《激光生物学报》 CAS 2023年第5期473-480,共8页
为研究敌草快(DQ)中毒病人的临床特点,评估中毒病人脑损伤的相关因素及其分子机制,本研究收集DQ中毒病人56例,按住院期间病人脑损伤情况分为脑损伤组14例和未损伤组42例,并比较两组病人的基线资料和实验室指标。利用logistic回归分析DQ... 为研究敌草快(DQ)中毒病人的临床特点,评估中毒病人脑损伤的相关因素及其分子机制,本研究收集DQ中毒病人56例,按住院期间病人脑损伤情况分为脑损伤组14例和未损伤组42例,并比较两组病人的基线资料和实验室指标。利用logistic回归分析DQ中毒病人脑损伤的相关因素,利用受试者操作特征(ROC)曲线分析比较以上相关因素单独或联合时对DQ中毒病人脑损伤状态的预测价值。分组比较结果显示,脑损伤组病人的体质量指数(BMI)、DQ阳离子中毒剂量、接受机械通气、接受连续性肾脏替代治疗(CRRT)的比例显著高于未损伤组(P<0.05)。脑损伤组病人入院后S100钙结合蛋白B(S100B)、丙氨酸氨基转移酶(ALT)、天冬氨酸氨基转移酶(AST)、尿素氮(BUN)、肌酐(SCR)等血清生化指标,以及中毒后24 h的白细胞(WBC)计数、中性粒细胞计数、中性粒细胞与淋巴细胞比率(NLR)均显著高于未损伤组(P<0.05)。对分组比较中存在显著差异的变量按先单因素后多因素方式进行logistic回归分析,回归结果显示,中毒后24 h NLR对DQ中毒病人脑损伤状态有一定的独立预测价值。ROC曲线分析比较结果进一步表明,当中毒后24 h NLR联合BMI、DQ阳离子中毒剂量,或中毒后24 h NLR联合BMI、血液灌流前血液DQ质量浓度时,相比于单一指标可获得对DQ中毒病人脑损伤状态更高的预测价值。DQ中毒病人中毒后24 h NLR水平升高与脑损伤增加显著相关,可作为病人住院期间脑损伤发生的独立预测因子,当中毒后24 h NLR联合BMI及DQ阳离子中毒剂量、血液DQ质量浓度时可获得对脑损伤事件更高的预测价值。 展开更多
关键词 敌草快 脑损伤 中毒剂量 中性粒细胞与淋巴细胞比率(NLR) 预测
下载PDF
基于深度学习的乳腺癌保乳术后调强放疗剂量分布预测
17
作者 李红伟 韩鸣 +2 位作者 史以龙 姚晖 孟歌 《中华放射医学与防护杂志》 CAS CSCD 北大核心 2023年第10期779-783,共5页
目的研究基于深度学习的方法预测乳腺癌保乳术后调强放疗(IMRT)剂量分布,并评估其预测精度。方法回顾性分析2018年1月至2023年3月在上海国际医学中心接受IMRT的110例左侧乳腺癌保乳术后患者的调强放疗数据,随机固定选择80例作为训练集,... 目的研究基于深度学习的方法预测乳腺癌保乳术后调强放疗(IMRT)剂量分布,并评估其预测精度。方法回顾性分析2018年1月至2023年3月在上海国际医学中心接受IMRT的110例左侧乳腺癌保乳术后患者的调强放疗数据,随机固定选择80例作为训练集,随机固定10例作为验证集,剩余20例作为测试集。首先将患者的计算机体层成像(CT)图像、感兴趣区、体素与靶区距离和对应的剂量分布四通道特征作为输入数据,然后使用U-net网络进行训练得到预测模型,利用该模型对测试集进行剂量预测,验证体素与靶区距离特征在剂量预测中的影响,并将剂量预测结果与实际手动计划剂量进行比较。结果加入体素与靶区距离特征的模型使预测精度更高,测试集中20例患者的剂量评分和剂量体积直方图(DVH)评分分别为2.10±0.18和2.28±0.08,与手动计划剂量分布更加接近(t=2.52、2.40,P<0.05)。靶区和危及器官(OAR)的剂量预测结果与手动计划剂量的偏差在4%以内,健侧乳腺平均剂量增加了13 cGy,均在临床可接受范围内。除PTV_(60)的D_(2)、D_(98)(D_(i)为i%的PTV体积接受的剂量)、D_(mean)(平均剂量)和患侧肺的V_(5)(V_(i)为接受i Gy剂量的OAR体积百分比)、D_(mean)差异有统计学意义外(t=3.74、2.91、2.99、3.47、2.29,P<0.05),其他差异无统计学意义(P>0.05)。结论基于深度学习的方法可以精准预测乳腺癌保乳术后调强放疗剂量分布,并通过实验证明加入体素与靶区距离特征可以有效提升预测精度,有助于物理师提高计划设计的优质性和一致性。 展开更多
关键词 深度学习 卷积神经网络 剂量预测 调强放疗
原文传递
剂量预测引导的鼻咽癌放疗计划质量定量评估方法 被引量:2
18
作者 陈彦宇 柏朋刚 +5 位作者 陈榕钦 邱小平 陈济鸿 戴艺涛 全科润 周益民 《中国医学物理学杂志》 CSCD 2022年第9期1076-1082,共7页
目的:利用人工神经网络模型对鼻咽癌计划进行剂量预测,根据剂量预测值建立计划质量测度标准(PQM),实现放疗计划个性化定量评估。方法:回顾性分析于福建省肿瘤医院进行放射治疗的鼻咽癌计划114例。提取25项危及器官(OAR)与靶区之间的几... 目的:利用人工神经网络模型对鼻咽癌计划进行剂量预测,根据剂量预测值建立计划质量测度标准(PQM),实现放疗计划个性化定量评估。方法:回顾性分析于福建省肿瘤医院进行放射治疗的鼻咽癌计划114例。提取25项危及器官(OAR)与靶区之间的几何空间关系特征,训练(81例)得到基于人工神经网络的剂量预测模型并测试(23例)验证其准确性。分别用基于剂量限值建立PQM和基于剂量预测值建立PQM两种评估方法对10例临床通过计划进行定量评估,讨论两种评估方法的合理性。结果:11项鼻咽癌主要OAR剂量学指标,预测值与实际值的剂量相关总体平均差值为(-0.07±4.55)Gy,体积相关总体平均差值为-1.06%±3.80%,预测准确性可达90%。10例临床通过的鼻咽癌计划,基于剂量限值建立PQM方法对病例4评估为不合格,其余病例合格。基于剂量预测值建立PQM方法对病例9评估为不合格,其余病例合格。结论:剂量预测引导的鼻咽癌计划质量定量评估方法可以反映计划是否存在继续优化的空间,且该评估方法克服了剂量限值未考虑病例特异性的缺陷,能更科学合理地对放疗计划进行定量评估。 展开更多
关键词 鼻咽癌 剂量预测 人工神经网络 计划质量测度
下载PDF
基于改进烟花算法优化BP网络的混凝投药预测 被引量:3
19
作者 李赞 张长胜 +3 位作者 田海湧 毛辉 王卓 马泽楠 《陕西理工大学学报(自然科学版)》 2021年第6期24-31,共8页
针对自来水厂混凝投药量控制滞后、非线性、多干扰等问题,提出一种改进烟花算法(IFWA)优化BP神经网络权值阈值的自来水厂混凝投药量预测模型。通过改进爆炸算子和精英选择策略,提高烟花算法(FWA)的搜索能力和寻优精度,利用布谷鸟搜索算... 针对自来水厂混凝投药量控制滞后、非线性、多干扰等问题,提出一种改进烟花算法(IFWA)优化BP神经网络权值阈值的自来水厂混凝投药量预测模型。通过改进爆炸算子和精英选择策略,提高烟花算法(FWA)的搜索能力和寻优精度,利用布谷鸟搜索算法最优解作为FWA算法的初始解,提高搜索效率,并结合高斯变异操作,跳出局部最优。同时,通过3个函数测试,证明了IFWA算法的有效性。最后以云南某自来水厂的数据训练和测试模型,仿真结果表明,基于IFWA算法优化BP神经网络预测模型的均方根误差约为0.0975,平均绝对误差约为0.0762,在预测精度和收敛速度上优于FWA、CS等算法,具有可行性。 展开更多
关键词 投药量预测 BP神经网络 权值阈值优化 改进爆炸算子 精英选择策略 布谷鸟搜索算法
下载PDF
胸部食管癌共面调强放射治疗肺受量预测模型研究 被引量:3
20
作者 丘敏敏 邓永锦 +2 位作者 钟嘉健 肖振华 包勇 《中国医学物理学杂志》 CSCD 2020年第10期1248-1254,共7页
目的:结合胸部食管癌靶区与肺体积和空间解剖位置关系,建立胸部食管癌共面调强放射治疗肺受量预测模型。方法:选取28例胸部食管癌病例,选择其靶区(PGTV,PCTV)处方剂量、靶区体积、肺体积,以及靶区和肺的空间位置关系为输入量,肺受量评... 目的:结合胸部食管癌靶区与肺体积和空间解剖位置关系,建立胸部食管癌共面调强放射治疗肺受量预测模型。方法:选取28例胸部食管癌病例,选择其靶区(PGTV,PCTV)处方剂量、靶区体积、肺体积,以及靶区和肺的空间位置关系为输入量,肺受量评价指标(V5,V10,V20,V30及Dmean)作为预测输出量,经主成分分析处理后进行多元非线性回归分析,求出回归方程建立预测模型。结果:肺受量的预测值跟实际值较为接近。其中V5相对误差在-4.37%~2.08%,绝对误差小于2.3%;V10相对误差在-6.53%~1.09%,绝对误差小于2.3%;V20相对误差在-8.99%~7.17%,绝对误差小于1.6%;V30相对误差在-15.93%~11.75%,但绝对误差小于0.9%;Dmean相对误差在-2.73%~2.68%,绝对误差小于31.7 cGy。结论:该模型对胸部食管癌放射治疗中肺受量预测的准确度较高,可作为食管癌放疗计划参数指导及计划评估工具。 展开更多
关键词 食管癌 共面调强放疗 肺受量 预测模型
下载PDF
上一页 1 2 5 下一页 到第
使用帮助 返回顶部