论文部分内容阅读
本研究的目的是基于重叠体积直方图(OVH)建立两种鲁棒性好的机器学习算法模型,并实现鼻咽癌静态调强放射治疗(IMRT)自动计划。本研究选取福建省肿瘤医院行根治性放射治疗的115名鼻咽癌患者组建病例模版数据库。每例鼻咽癌病例的计算机断层扫描(CT)图像上均有7个靶区(GTV_T_P、CTV1_P、CTV2_P、GTV_NL/R_P和CTV_NL/R_P)和10个危及器官(左右侧腮腺、脑干、脊髓、左右侧晶体、左右侧视神经、垂体和视交叉)。在建立机器学习模型之前,提取病例模版数据库中每一例鼻咽癌患者影像的OVH,并获得对应病例手工高质量IMRT计划的目标函数。然后,以OVH为输入特征,目标函数为输出标签,建立基于神经网络(NN)和基于k近邻(kNN)的两种机器学习模型。选取25名鼻咽癌患者作为测试病例,把测试病例的OVH分别输入NN和kNN机器学习模型中,获得测试病例的两种目标函数。将所获目标函数与利用Perl语言编写的Pinnacle~3计划系统脚本嵌入式自动化程序相结合,自动设计仅优化一次的IMRT放疗计划,得到NN和kNN两种自动计划。由一名有经验的物理师对25例测试病例设计手工计划。最后,由另一名有经验的临床医师将NN和kNN自动计划分别与手工计划进行计划整体质量比较。同时,用配对样本t检验分析三种计划的靶区和危及器官的剂量学数据和计划设计所耗费的时间。研究结果显示,20例NN自动计划质量与对应手工计划的质量相当,19例kNN自动计划质量与对应手工计划的质量相当。NN自动计划、kNN自动计划和手工计划在GTV_T_P、GTV_NL/R_P、CTV_NL/R_P的适形性指数相似(P>0.05)。同时,相比手工计划,NN自动计划右侧晶体有更低的最大剂量(4.70±0.72 Gy vs.5.02±0.70 Gy,P=0.001)。两种自动计划的左右侧视神经最大剂量也均低于手工计划(P<0.05)。NN自动计划的平均用时为9.73±1.80分钟,kNN自动计划平均用时为10.18±2.17分钟,而手工计划的平均用时为57.12±6.35分钟。研究表明,相比手工计划,两种机器学习算法的自动计划均大大减少了设计时间,并且还能更好地保护危及器官,因此更为高效。并且,仅优化一次的两种自动计划与手工计划质量相当,说明两种自动计划均具有可行性。