论文部分内容阅读
本课题的主要目通过PET-CT扫描模拟呼吸运动模体图像,分析频率,幅度和假体长径三种因素对SUVmax产生的不同影响;利用神经网络算法尝试建立肿瘤假体在PET-CT扫描下的勾画运动虚拟体积的阈值预测模型。本课题研究首先制作了一个模拟呼吸运动的模体,模体内的肿瘤假体可以更换成;将模以真实患者定位的方式固定在PET-CT检查床上进行PET-CT扫描,扫描图像在PET View软件上进行SUVmax的读取;利用sigmaplot12.3软件进行三因素方差分析模体运动频率、幅度及肿瘤假体长径对SUVmax影响;PET-CT图像导入TPS中,在CT图像上勾画肿瘤假体的静止体积,利用TPS的靶区自动外放工具分别外放0.5cm,1.0cm,1.5cm,2.0cm作为由于肿瘤假体运动产生的运动虚拟体积;PET图像上以SUV百分比的方式调整显像阈值,使PET图像在运动方向上的热显示区域覆盖CT图像上的运动虚拟长径,记录此时的SUV百分比;将采集到的SUV百分比输入Matlab的RBF网络中做神经网络分析,建立预测呼吸运动下勾画肿瘤运动虚拟体积显像阈值的模型。通过研究可以发现,模体的运动频率对SUVmax的没有明显影响,P=0.249,运动幅度和肿瘤假体长径对SUVmax的影响显著,P<0.001;对神经网络算法建立的模型输入已知SUV百分比的运动频率、运动幅度和假体长径,验证模型输出的预测值准确性,发现在四次验证不同的输出预测值与真实值之间差距不大。但是,运动幅度越大偏差越明显。因此,预测模型可以为非小细胞肺癌靶区PET图像上的勾画提供帮助。研究说明,在PET-CT临床运用中,体积较小的肿瘤需要降低判断肿瘤良恶性的SUV分解值,避免造成治疗的遗漏;在放疗科靶区勾画过程中,利用预测模型的输出阈值,进行肿瘤ITV的勾画,对运动幅度在1.5cm左右的肿瘤,具有一定的可靠性。