[1]宋婷婷,盛晓芳,汪洋,等.Compass剂量验证系统在VMAT脑肿瘤瘤床同步追量中的应用[J].中国医学物理学杂志,2016,33(10):1012-1016.[doi:10.3969/j.issn.1005-202X.2016.10.008]
 [J].Chinese Journal of Medical Physics,2016,33(10):1012-1016.[doi:10.3969/j.issn.1005-202X.2016.10.008]
点击复制

Compass剂量验证系统在VMAT脑肿瘤瘤床同步追量中的应用()
分享到:

《中国医学物理学杂志》[ISSN:1005-202X/CN:44-1351/R]

卷:
33卷
期数:
2016年10期
页码:
1012-1016
栏目:
医学放射物理
出版日期:
2016-10-26

文章信息/Info

文章编号:
1005-202X(2016)10-1012-05
作者:
宋婷婷盛晓芳汪洋韩磊胡小洋
上海伽玛医院放疗中心,上海200235
关键词:
脑肿瘤瘤床同步追量容积弧形旋转调强放疗Compass剂量验证系统
分类号:
R815
DOI:
10.3969/j.issn.1005-202X.2016.10.008
文献标志码:
A
摘要:
目的:应用Compass 剂量验证系统评估容积弧形旋转调强放疗(VMAT)技术在实施脑肿瘤瘤床同步追量中的剂 量精确性。方法:将50 例脑瘤瘤床同步追量患者的治疗计划导入Compass 剂量验证系统,生成治疗质量保证(DQA)计 划,得到计算剂量。按照DQA 计划出束照射体模,并重建实际出束剂量,将两者进行对比,比较肿瘤追量照射区域 (PGTV)、肿瘤计划照射区域(PTV)、全脑组织、脑干等靶区和危及器官的γ分析结果和剂量体积直方图(DVH)分析结 果。结果:50 例瘤床同步追量VMAT 计划以3%/3 mm为标准进行评估,PGTV、PTV 的γ通过率分别为(97.92±1.69)%、 (96.72±1.99)%,其他危及器官的γ通过率均在90.00%以上。追量的瘤床个数对γ通过率无影响(P>0.05)。DVH比较分 析表明,视交叉、视神经、晶体的D1%剂量差异均大于3%,其他危及器官和PGTV、PTV的Dmean、D1%剂量差异均小于3%。 结论:VMAT技术实施脑肿瘤瘤床同步追量的剂量精确性较高。Compass 剂量验证系统可作为VMAT瘤床同步追量的 日常DQA工具,但对于小体积的正常组织进行DVH比较分析时有一定误差。

相似文献/References:

[1]王晓飞,聂生东,王远军,等.基于MRI的脑肿瘤计算机辅助检测技术研究进展[J].中国医学物理学杂志,2014,31(01):4635.[doi:10.3969/j.issn.1005-202X.2014.01.010]
[2]万俊,聂生东,王远军,等.基于MRI的脑肿瘤分割技术研究进展[J].中国医学物理学杂志,2013,30(04):4266.[doi:10.3969/j.issn.1005-202X.2013.04.013]
[3]赖胜圣,刘虔铖,张刚平.基于模糊C均值自动随机游走算法在脑肿瘤分割中的应用[J].中国医学物理学杂志,2015,32(05):707.[doi:doi:10.3969/j.issn.1005-202X.2015.05.021]
[4]谷珊珊,张怀文,王运来.基于水平集稳健特征统计算法的脑肿瘤自动分割研究[J].中国医学物理学杂志,2016,33(1):63.[doi:10.3969/j.issn.1005-202X.2016.01.014]
 [J].Chinese Journal of Medical Physics,2016,33(10):63.[doi:10.3969/j.issn.1005-202X.2016.01.014]
[5]徐艳红,张晋建,黎静,等.影像增强剂对脑瘤螺旋断层放疗剂量计算的影响[J].中国医学物理学杂志,2016,33(8):757.[doi:10.3969/j.issn.1005-202X.2016.08.001]
 [J].Chinese Journal of Medical Physics,2016,33(10):757.[doi:10.3969/j.issn.1005-202X.2016.08.001]
[6]薛彩强,柯晓艾,邓娟,等.MRI征象鉴别IDH-1突变型与野生型较低级别胶质瘤[J].中国医学物理学杂志,2020,37(11):1384.[doi:DOI:10.3969/j.issn.1005-202X.2020.11.008]
 XUE Caiqiang,,et al.MRI signs in differentiation of IDH-1 mutant type and wild type of lower-grade gliomas[J].Chinese Journal of Medical Physics,2020,37(10):1384.[doi:DOI:10.3969/j.issn.1005-202X.2020.11.008]
[7]方新林,方艳红,王迪.基于多模态特征融合的脑瘤图像分割方法[J].中国医学物理学杂志,2022,39(6):682.[doi:DOI:10.3969/j.issn.1005-202X.2022.06.005]
 FANG Xinlin,FANG Yanhong,WANG Di.Brain tumor image segmentation method based on multi-modal feature fusion[J].Chinese Journal of Medical Physics,2022,39(10):682.[doi:DOI:10.3969/j.issn.1005-202X.2022.06.005]
[8]王佳琦,崔勇,栾琨,等.双时相PET CT扫描在脑肿瘤的诊断价值[J].中国医学物理学杂志,2023,40(2):157.[doi:DOI:10.3969/j.issn.1005-202X.2023.02.005]
 WANG Jiaqi,CUI Yong,LUAN Kun,et al.[J].Chinese Journal of Medical Physics,2023,40(10):157.[doi:DOI:10.3969/j.issn.1005-202X.2023.02.005]
[9]田恒屹,肖洪兵,计亚荣,等.基于三维UNet与混合焦点损失函数的脑肿瘤全自动分割算法[J].中国医学物理学杂志,2023,40(9):1114.[doi:DOI:10.3969/j.issn.1005-202X.2023.09.009]
 TIAN Hengyi,XIAO Hongbing,JI Yarong,et al.Fully automatic segmentation algorithm of brain tumor based on three-dimensional UNet and hybrid focal loss function[J].Chinese Journal of Medical Physics,2023,40(10):1114.[doi:DOI:10.3969/j.issn.1005-202X.2023.09.009]
[10]林嘉豪,王瑜,肖洪兵,等.LRAE-Unet:轻量级MRI脑肿瘤全自动分割网络[J].中国医学物理学杂志,2024,41(1):43.[doi:DOI:10.3969/j.issn.1005-202X.2024.01.006]
 LIN Jiahao,WANG Yu,XIAO Hongbing,et al.LRAE-Unet: a lightweight network for fully automatic segmentation of brain tumor from MRI[J].Chinese Journal of Medical Physics,2024,41(10):43.[doi:DOI:10.3969/j.issn.1005-202X.2024.01.006]

备注/Memo

备注/Memo:
【收稿日期】2016-05-28 【作者简介】宋婷婷,女,本科,物理师,研究方向:肿瘤精确放疗,E-mail: gnitlp@163.com 【通信作者】盛晓芳,女,硕士,主任医师,副教授,研究方向:神经系统肿瘤放化疗,E-mail: 13916135232@163.com
更新日期/Last Update: 2016-10-24