调强放射治疗是目前国内外最主要的放疗技术之一,但其计划设计的优化参数众多,不同计划设计者之间由于经验、技巧以及时间等差异导致治疗计划质量差别较大,严重地影响患者治疗效果。目前主要采用“基于经验的放射治疗”(Knowledge Based Radiotherapy,KBRT)提高调强放疗计划质量和效率,但该方法存在一定的局限性:首先该方法常使用手动方式提取解剖结构的几何特征,过程繁琐且特征提取不够全面,导致剂量预测不够精确;其次,预测的剂量通常为一维的DVH或零维剂量点参数,不能精确地反应三维剂量分布;最后,该方法通常仅预测剂量分布,并未进一步地实现放疗计划的自动设计。本博士论文的研究目标是实现调强放射治疗计划的自动优化设计。研究任务包括:(1)调强放疗计划三维剂量分布的精确预测:从中国科学技术大学附属第一医院肿瘤放疗数据库中选取高质量的调强放疗计划,包括直肠癌IMRT和鼻咽癌VMAT计划,构建三维残差与U-Net混合网络自动地提取三维解剖结构中多尺度、多层次特征实现精确的剂量分布预测;(2)基于预测剂量的调强放疗计划自动优化设计:构建基于体素预测剂量约束的二次函数优化模型,将靶区PTV和危及器官(OARs)的单个体素作为优化对象,采用直接子野优化技术实现调强放疗计划的自动优化设计;最终将自动计划的相关模块集成到中国科大自主研发的治疗计划系统DeepPlan上解决其临床应用问题。采用临床上常用的剂量指标评估剂量预测的精确性;使用剂量及物理参数指标评估自动计划的质量。主要的研究结果有:(1)剂量预测的精确性 对于直肠癌IMRT,体素剂量的平均预测偏差是(-1.45±5.79)%～(1.58±3.37)%,平均绝对预测偏差是(2.63±3.16)%～(5.19±4.78)%;所有病例各等剂量面的Dice相似性系数均在0.90以上,平均Dice系数达到0.92以上,特别是20Gy以下其Dice系数达到0.95以上;除膀胱的Dmean以外,其他所有的DVH剂量学参数差异均无统计学意义(P>0.05)。对于鼻咽癌VMAT,体素剂量的平均预测偏差为(-2.63±5.72)%～(2.76±5.22)%,平均绝对预测偏差为(2.76±2.90)%～(7.1 1±7.11)%;57Gy以下和66Gy以上所有等剂量面的Dice相似性系数均在0.90以上;所有计划靶体积和OARs的DVH剂量学参数差异较小,且均无统计学意义(P>0.05)。(2)自动计划结果 直肠癌IMRT自动计划的三维剂量分布在横轴位、矢状位、冠状位等层面上约35Gy剂量的热点区均小于原临床计划;绝大多数OARs的DVH剂量学参数也均略小于原临床计划,但差异无统计学意义(P>0.05);其自动计划的平均子野数和机器跳数分别为76.00±6.94个和509.18±108.85MU,与原临床计划相比,子野数量增加而机器跳数减少。鼻咽癌VMAT自动计划的三维剂量分布形状、各计划靶体积和OARs的DVH剂量参数与原临床计划基本相似,差异无统计学意义(P>0.05);其自动计划的平均机器跳数为636.35±108.04MU,比原临床计划略有减小。对于计划的设计效率,自动计划在添加射束及给定射束方向后,点击优化按钮,集成于DeepPlan计划系统的剂量预测模块会在数秒内预测出三维剂量分布,剂量优化模块构建出基于体素预测剂量约束的优化函数实现自动优化,整个优化过程无需添加任何辅助优化的结构且仅进行一轮的优化循环就得出上述的自动计划结果。由此我们得出结论:本论文利用三维残差与U-Net混合网络实现调强放疗计划三维剂量的精确预测,并利用DeepPlan计划系统构建基于体素剂量约束的优化模型实现调强放疗计划的自动设计,提高了治疗计划的质量和效率。