简介：摘要目的设计一种联合深度学习剂量预测和参数迭代优化算法的容积调强放射治疗(VMAT)全自动计划方法。方法选取2018年6月至2021年1月北京大学肿瘤医院既往165例直肠癌患者的VMAT计划开展研究，其中145例用于训练和验证深度学习模型，该模型用于预测危及器官的剂量，20例用于研究比对自动计划和人工计划的质量。该方法从危及器官的预测剂量分布中提取关键的剂量体积直方图(DVH)值作为初始优化参数(IOPs)，利用治疗计划系统可编程接口自动创建VMAT计划，通过设计迭代优化算法自动调节优化参数(OPs)。结果剂量预测模型训练后能有效预测出20例测试计划危及器官的关键DVH值，与参考值相比差异均无统计学意义(P> 0.05)。20例VMAT自动计划均能满足临床处方剂量要求，对于PTV和PGTV的适形性指数(CI)，人工计划与自动计划比较差异均无统计学意义(P> 0.05)；而PGTV的D1和均匀性指数(HI)，自动计划均高于人工计划，分别为0.6 Gy和0.01，两者比较差异均有统计学意义(t＝-7.05、-6.92，P<0.05)。自动计划比人工计划的膀胱平均V30下降2.7%(t＝3.37，P< 0.05)，股骨头和危及器官辅助结构(Avoidance)的平均V20分别下降8.37%和15.95%(t＝5.65、11.24，P< 0.05)，并且膀胱、股骨头、Avoidance的平均剂量分别降低了1.91、4.01和3.88 Gy(t＝9.29、2.80、10.23，P< 0.05)。测试的20例直肠癌患者病例的自动计划平均时间为(71.82±25.48)min。结论本研究利用直肠癌病例验证了一种联合剂量预测和参数迭代优化算法的VMAT自动计划方法的可行性。相比于人工计划，VMAT自动计划无需人工干预，在提高计划设计效率、计划质量和临床资源利用率等方面有很大的应用潜力。

简介：摘要目的分析比对不同Varian加速器平台机载千伏锥束CT(kV CBCT)系统的辐射剂量和成像质量，指导临床选用风险收益比(成像质量/辐射剂量)最高的图像引导方案。方法利用CT剂量指数模体(CTDI模体)和CT电离室，以及Catphan604模体分别获取Edge、Truebeam、新旧两台ix加速器机载CBCT典型扫描模式的辐射剂量和成像质量参数，使用品质因素(figure of merit，FOM)值评估各图像引导方案的风险收益比。结果不同型号的瓦里安加速器配置的kV CBCT系统的FOM不同，差异广泛分布于0.65(温和成像一圈)～48.46(温和成像半圈)区间；各扫描参数间FOM也存在较大差异，均值为22.14±13.47。结论由于设备间和参数间存在显著差异，基于实际测量的验证评估有助于临床选择合理的影像引导方案，剂量敏感患者应优先选择加权CT剂量指数(CTDIw)低的参数和设备；对图像质量要求高的患者应优选对比度噪声比(CNR)高的方案；而普通患者则可依据风险收益比进行选择，此时品质因素FOM可为临床决策提供有利工具。