本文關(guān)鍵詞：XVMC算法與PB算法在胸腹部調(diào)強計劃中的比較研究

  更多相關(guān)文章： 劑量計算 XVMC算法 PB算法 劑量學比較

【摘要】：算法的精度和計算速度是三維治療計劃系統(tǒng)中最重要的兩個評估指標,它們對腫瘤放射治療的質(zhì)量以及放射治療工作的效率的提高具有重要影響。Monaco治療計劃系統(tǒng)是醫(yī)科達公司生產(chǎn)的商業(yè)化治療計劃系統(tǒng),它具有XVMC和PB兩種算法模型。為了比較兩種不同的算法在胸腹部腫瘤中的劑量計算以及計算速度的差異,本文選取了胸腹部代表性腫瘤——肺癌和直腸癌作為計劃比較對象,每種病種選取12位患者入組研究。在對每位患者行CT模擬定位和勾畫靶區(qū)后,采用同一治療標準,為其設(shè)計XVMC算法和PB算法兩組治療計劃。兩組計劃間除了優(yōu)化的算法有差異,其余參數(shù)均相同。通過分析劑量體積直方圖,比較兩種算法在劑量學上的差異(從靶區(qū)適形度和均勻性、危及器官的受照體積上分析),并利用膠片驗證比較比較兩種算法在計算精度上的差異;通過分析兩組計劃制作所需的時間,比較兩種算法在計算速度上的差異。此外,本文通過比較Monaco治療計劃系統(tǒng)自動優(yōu)化和手動優(yōu)化兩種方式的計劃制作所需時間,探討了Monaco計劃制作效率的提高方法。通過一系列的比較分析,研究得出:在劑量分布圖上,PB算法計算的結(jié)果均大于XVMC算法計算的結(jié)果,且在組織密度差異大、低密度區(qū)域多的組織內(nèi),兩種算法具有統(tǒng)計學差異;在計算精度上,XVMC算法組的計算結(jié)果更接近實測值;在計算速度上,XVMC算法所需的計劃制作時間比PB算法長。同時,筆者得出手動優(yōu)化的方式更能提高臨床物理師的工作效率。本文研究表明,為了確保放射治療的精確,推薦使用XVMC算法進行劑量計算,并建議有經(jīng)驗的物理師采用手動優(yōu)化的方式進行計劃優(yōu)化。
【關(guān)鍵詞】：劑量計算 XVMC算法 PB算法 劑量學比較
【學位授予單位】：東華理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：R730.55
【目錄】：

• 摘要4-5
• Abstract5-8
• 1 引言8-10
• 1.1 研究現(xiàn)狀8
• 1.2 研究目的及方法8-9
• 1.3 論文的結(jié)構(gòu)安排9-10
• 2 調(diào)強放射治療計劃設(shè)計10-14
• 2.1 調(diào)強放療的簡介10
• 2.2 治療計劃設(shè)計的臨床劑量學原則10-11
• 2.3 調(diào)強治療計劃設(shè)計的步驟和過程11-13
• 2.4 調(diào)強計劃的驗證13-14
• 3 放射治療計劃系統(tǒng)算法的簡介14-18
• 3.1 放療計劃系統(tǒng)劑量算法的簡介14-15
• 3.1.1 基于修正的劑量計算模式14
• 3.1.2 基于模型的劑量計算模式14
• 3.1.3 蒙特卡羅方法（Monte Carlo, MC ）14-15
• 3.2 Monaco TPS的兩種計算算法介紹15-18
• 3.2.1 XVMC（X-ray voxel mote Carlo, XVMC）算法15-17
• 3.2.2 PB（Pencil Beam,PB）算法17-18
• 4 XVMC與PB算法在胸腹部調(diào)強計劃中的劑量學特征比較18-32
• 4.1 主要儀器和設(shè)備18
• 4.2 研究方案18-19
• 4.3 研究步驟19-26
• 4.3.1 病例選取19-21
• 4.3.2 體位固定與CT模擬定位21-22
• 4.3.3 靶區(qū)勾畫22-23
• 4.3.4 治療計劃設(shè)計23-24
• 4.3.5 計劃優(yōu)化24-25
• 4.3.6 計劃的評估指標25-26
• 4.3.7 數(shù)據(jù)處理26
• 4.4 研究結(jié)果26-30
• 4.4.1 XVMC與PB算法在肺癌中的劑量學比較26-28
• 4.4.2 XVMC與PB算法在直腸癌中的劑量學比較28-30
• 4.5 分析與討論30-32
• 5 膠片劑量驗證32-42
• 5.1 測量材料和設(shè)備32-33
• 5.1.1 輻射自顯影膠片32
• 5.1.2 掃描儀32-33
• 5.1.3 膠片分析軟件33
• 5.1.4 加速器33
• 5.2 研究方案33-34
• 5.3 研究步驟34-37
• 5.3.1 膠片劑量的標定34-35
• 5.3.2 制作QA計劃35-36
• 5.3.3 驗證計劃實施36-37
• 5.3.4 劑量對比分析37
• 5.4 研究結(jié)果37-42
• 5.4.1 肺癌膠片驗證結(jié)果38-39
• 5.4.2 直腸癌膠片驗證結(jié)果39-40
• 5.4.3 分析與討論40-42
• 6 XVMC算法與PB算法在計算時間上的比較和改進42-46
• 6.1 XVMC算法與PB算法在計算時間上的比較42-43
• 6.1.1 兩種算法在肺癌計劃優(yōu)化中計算時間上的比較42
• 6.1.2 兩種算法在直腸癌計劃優(yōu)化中計算時間上的比較42-43
• 6.2 兩種算法在計算速度的改善方法43-46
• 7 結(jié)論與展望46-48
• 7.1 論文小結(jié)46
• 7.2 展望46-48
• 致謝48-50
• 參考文獻50-51

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 劉曉平;圖象開窗算法[J];CT理論與應(yīng)用研究;1996年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 尹冀鋒;;一種新的圖象自適應(yīng)增強算法[A];四川省通信學會一九九二年學術(shù)年會論文集[C];1992年

2 寧春平;田家瑋;郭延輝;王影;張英濤;鄭桂霞;劉研;;計算機輔助增強、分割算法在鑒別乳腺良、惡性腫塊中的應(yīng)用價值[A];中華醫(yī)學會第十次全國超聲醫(yī)學學術(shù)會議論文匯編[C];2009年

3 謝麗聰;;SVB查詢改寫算法的改進[A];第二十一屆中國數(shù)據(jù)庫學術(shù)會議論文集（研究報告篇）[C];2004年

4 鄭存紅;;復雜背景下相關(guān)跟蹤算法研究及DSP實現(xiàn)[A];中國光學學會2010年光學大會論文集[C];2010年

5 楊文杰;吳軍;;RFID抗沖突算法研究[A];2008通信理論與技術(shù)新進展——第十三屆全國青年通信學術(shù)會議論文集（上）[C];2008年

6 高山;畢篤彥;魏娜;;一種基于UPF的小目標TBD算法[A];第十四屆全國圖象圖形學學術(shù)會議論文集[C];2008年

7 周磊;張衛(wèi)華;王曉奇;張軍;;基于流水算法的智能路障機器人設(shè)計[A];2011年全國電子信息技術(shù)與應(yīng)用學術(shù)會議論文集[C];2011年

8 潘巍;李戰(zhàn)懷;陳群;索博;李衛(wèi)榜;;面向MapReduce的非對稱分片復制連接算法優(yōu)化技術(shù)研究[A];第29屆中國數(shù)據(jù)庫學術(shù)會議論文集（B輯）（NDBC2012）[C];2012年

9 李偉偉;蔡康穎;鄭新;王文成;;3D模型中重復結(jié)構(gòu)的多尺度快速檢測算法[A];第六屆和諧人機環(huán)境聯(lián)合學術(shù)會議（HHME2010)、第19屆全國多媒體學術(shù)會議（NCMT2010）、第6屆全國人機交互學術(shù)會議（CHCI2010）、第5屆全國普適計算學術(shù)會議（PCC2010）論文集[C];2010年

10 楊任爾;陳懇;勵金祥;;基于棱邊方向檢測的運動自適應(yīng)去隔行算法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 國泰君安資產(chǎn)管理部;“算法交易”是道指暴跌罪魁禍首?[N];上海證券報;2010年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 馮輝;網(wǎng)絡(luò)化的并行與分布式優(yōu)化算法研究及應(yīng)用[D];復旦大學;2013年

2 許玉杰;云計算環(huán)境下海量數(shù)據(jù)的并行聚類算法研究[D];大連海事大學;2014年

3 李琰;基于貓群算法的高光譜遙感森林類型識別研究[D];東北林業(yè)大學;2015年

4 陳加順;海洋環(huán)境下聚類算法的研究[D];南京航空航天大學;2014年

5 王洋;基于群體智能的通信網(wǎng)絡(luò)告警關(guān)聯(lián)規(guī)則挖掘算法研究[D];太原理工大學;2015年

6 雷雨;面向考試時間表問題的啟發(fā)式進化算法研究[D];西安電子科技大學;2015年

7 熊霖;大數(shù)據(jù)下的數(shù)據(jù)選擇與學習算法研究[D];西安電子科技大學;2015年

8 周雷;基于圖結(jié)構(gòu)的目標檢測與分割算法研究[D];上海交通大學;2014年

9 王冰;人工蜂群算法的改進及相關(guān)應(yīng)用的研究[D];北京理工大學;2015年

10 蔣亦樟;多視角和遷移學習識別方法和智能建模研究[D];江南大學;2015年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 姚鑫宇;EMD去噪與MUSIC算法在DOA估計中的聯(lián)合應(yīng)用[D];昆明理工大學;2015年

2 陸進;面向含噪數(shù)據(jù)聚類相關(guān)算法的研究[D];復旦大學;2014年

3 李家昌;基于能量約束的超聲圖像自動分割算法[D];華南理工大學;2015年

4 陳堅;基于密度和約束的數(shù)據(jù)流聚類算法研究[D];蘭州大學;2015年

5 高健;基于Zynq7000平臺的去霧算法研究及實現(xiàn)[D];南京理工大學;2015年

6 顧磊;基于Hadoop的聚類算法的數(shù)據(jù)優(yōu)化及其應(yīng)用研究[D];南京信息工程大學;2015年

7 楊燕霞;基于Hadoop平臺的并行關(guān)聯(lián)規(guī)則挖掘算法研究[D];四川師范大學;2015年

8 王羽;基于MapReduce的社區(qū)發(fā)現(xiàn)算法的設(shè)計與實現(xiàn)[D];南京理工大學;2015年

9 許振佳;流式數(shù)據(jù)的并行聚類算法研究[D];曲阜師范大學;2015年

10 董琴;人工蜂群算法的改進與應(yīng)用[D];大連海事大學;2015年

，

本文編號：727393