目的:构建基于γ-H2AX焦点检测的时间-剂量-效应三维剂量估算模型，并对其可行性进行验证。方法:按随机数表法将小鼠分为0 、2 、4、6、8 Gy组，每组3只，进行X射线全身照射。照后1、6、24 h取胡须毛囊细胞。免疫荧光染色后，利用激光共聚焦显微镜观察照后1～24 h不同时间点γ-H2AX焦点数。将观察到的γ-H2AX平均焦点数经Dolphin′s模型校正后，拟合剂量-效应关系曲线。使用R软件，利用照射剂量、照后时间和校正后的γ-H2AX平均焦点数进行局部照射三维模型方程和曲面的建立。结果:γ-H2AX平均焦点数在固定时间点1、6和24 h随剂量的增加而增加，但在固定剂量点2、4、6、8 Gy随照射时间的延长而减少。拟合的局部照射剂量-效应关系曲线方程为：照后1 h， YF ＝ 2.853＋3.775 D， R2＝ 0.928；照后6 h， YF ＝ 0.144＋2.775 D， R2＝ 0.903；照后24 h， YF ＝ 0.066＋2.472 D， R2＝ 0.85。拟合的三维模型方程为 YF ＝ 6.837 t－1.728＋3.113 t－0.071D， R2 ＝ 0.897。将不同的照后时间代入三维曲面模型后呈现二维线性模型形式。将γ-H2AX焦点数和照射时间代入线性模型和三维模型表明，使用线性模型和三维模型估算受照剂量与实际照射剂量的相对偏差均不超过30%。 结论:使用γ-H2AX焦点数进行局部照射剂量估算，建立了时间-剂量-效应三维模型，此模型可初步用于照后1～24 h内所有时间点的剂量估算。

目的:联合应用两种商用及一种自行开发的基于加速器轨迹日志(LFB)的三维剂量重建系统验证肺癌VMAT计划。方法:编程实现读取TrueBeam轨迹日志中误差并导入计划系统生成重建剂量。选18例肺癌双弧VMAT计划，用ArcCheck测量并利用3DVH重建，同时使用LFB和Compass计算模式重建。其中5例4 h内由ArcCheck测2次，检测加速器重复性。将18例计划移植到建成5 cm、背散4 cm、中心放置有FC65-G电离室的固体水模上计算电离室平均剂量并与实测及3种重建系统重建点剂量比对。结果:加速器重复性稳定。LFB、3DVH、Compass及FC-65 G实测与计划点剂量偏差≤2%。ArcCheck曲面二维，3DVH、Compass整体及LBF所有器官三维γ通过率在所有比对标准下均>90%，3DVH及Compass个别器官γ通过率低。重建剂量与原计划相比，LBF差异最小，除肺之外器官Compass差异居中、3DVH最大。结论:LBF、3DVH、Compass 3种系统能从不同方面反映肺癌VMAT剂量验证结果，联合应用三者进行剂量验证能更直观的展现出验证结果，便于后续分析。

目的:研究基于联影直线加速器电子射野影像装置(EPID)在体剂量验证方法在临床中的应用。方法:选取河南省人民医院收治的68例行容积旋转调强放疗(VMAT)的肿瘤患者，其中，头颈部32例、胸部16例和腹盆部20例。每位患者均执行治疗前Arccheck剂量验证(Pre Arccheck)、治疗前EPID剂量验证(Pre EPID)，以及治疗中前3次和随后每周1次的扇形束计算机断层成像(FBCT)位置验证和在体EPID剂量验证(In vivo EPID)。当任一方向摆位误差(左右 x、头脚 y和垂直 z)均<3 mm时实施治疗，并根据 x、 y和 z计算三维摆位偏差 d；否则，执行位置校正。 结果:68例患者Pre EPID和In vivo EPID γ通过率分别为(99.97±0.1)%和(94.15±3.84)%，与Pre Arccheck的(98.86±1.48)%相比，差异有统计学意义( t＝－6.12、9.43， P<0.05)。胸部、腹盆部和头颈部的In vivo EPID γ通过率相比，差异无统计学意义( P>0.05)。Pre EPID γ通过率和首次In vivo EPID γ通过率的差值(5.56±3.72)%与对应的三维摆位偏差 d(1.46±1.51)mm之间无相关( P>0.05)。随着治疗进行，In vivo EPID γ通过率由第1周的(94.15±3.84)%逐步减小到第5周的(92.15±3.24)%；从第3周开始至第5周，In vivo EPID γ通过率与第1周的相比，差异均有统计学意义( t＝2.48、2.75、3.09， P<0.05)。 结论:3 mm内摆位误差不影响在体剂量验证的γ通过率，在体剂量验证γ通过率临床可接受阈值的确定仍需进一步的研究，同时在体剂量验证可为自适应放疗的临床应用提供一定的支持。

目的:对比导航系统辅助三维(3D)打印模板联合引导下 125I粒子治疗恶性肿瘤的术前、术后计划差异，验证光学导航辅助下的粒子植入计划完成质量。 方法:回顾性纳入2018年12月至2019年11月于北京大学第三医院接受导航系统辅助3D打印模板引导下粒子植入治疗的肿瘤患者共20例(男10例，女10例，中位年龄60.5岁)，植入部位为头颈部8例、胸壁1例、盆腔9例、椎旁和(或)腹膜后2例，中位处方剂量150 Gy。对比术前、术后计划中的粒子数、针数、相关剂量学参数等。剂量学参数包括靶区90%大体肿瘤靶区(GTV)所接受的处方剂量( D90)、GTV分别接受100%、150%、200%处方剂量的体积百分比( V100、 V150、 V200)、GTV接受的最小边缘剂量(MPD)、适形指数(CI)、靶区外体积指数(EI)、均匀性指数(HI)以及2 cm 3范围脊髓接受剂量( D2 cm 3)。采用配对 t检验及Wilcoxon符号秩检验分析数据。 结果:术后使用针数与术前计划一致[均为12 (9，19)根]；术后实际粒子数较术前计划多，但差异无统计学意义[51(35，68)和49(35，63)颗； z＝1.859， P>0.05]。术后计划的MPD较术前计划高，差异有统计学意义[(80.52±14.89)和(67.22±20.56) Gy； t＝-3.769， P＝0.001]；其余剂量学参数差异均无统计学意义( t值：-0.533，-0.423， z值：-0.849～1.416，均 P>0.05)。术后剂量质量评价为优者17例(17/20)，为良者2例(2/20)，为中者1例(1/20)。 结论:联合模式引导对植入计划的完成质量良好，术后实际靶区剂量可达到术前预计划的要求。

目的:基于三维(3D)U-net深度学习模型，建立预测CT引导下宫颈癌近距离治疗计划的3D空间剂量分布。方法:2021年4－9月收集114例宫颈癌患者三维近距离放疗计划(处方剂量6 Gy)组成数据集，按84∶11∶19划分为训练集、验证集、测试集。利用3D U-net模型进行500次(epoch)训练，分别评估测试集病例体素级的平均剂量偏差(MDD)与绝对剂量偏差(MADD)、等剂量面包围体积的戴斯系数(DSC)、处方剂量适形度指数(CI)、高危临床靶区(HRCTV)的 D90和平均剂量 Dmean、膀胱、直肠、小肠、结肠的 D1 cm 3与 D2 cm 3剂量学参数。 结果:测试集中19例患者的3D剂量矩阵MDD与MADD分别为－0.01±0.03和(0.04±0.01)Gy。50%到150%处方剂量的DSC在0.89到0.94之间，处方剂量CI为0.70±0.04。HRCTV的 D90的平均偏差为2.22%， Dmean的偏差为－4.30%。膀胱、直肠、小肠、结肠的 D1 cm 3与 D2 cm 3最大偏差分别为2.46%和2.58%。模型预测平均耗时2.5 s。 结论:本研究实现了一种基于3D U-net的预测宫颈癌3D剂量分布的深度学习模型，为宫颈癌近距离治疗自动化设计奠定基础。

目的:利用放射组学特征构建不同的机器学习分类模型，预测盆腔肿瘤调强放疗剂量验证的γ通过率，并探讨最佳预测模型。方法:回顾性分析196例盆腔肿瘤调强放疗计划，采用基于模体测量方式的三维剂量验证结果，γ通过率标准为3%/2 mm、10%剂量阈值。提取基于剂量文件的放射组学特征构建预测模型。分别采用随机森林、支持向量机、自适应增强和梯度提升决策树4种机器学习算法，计算曲线下面积(AUC)值、敏感度和特异度，评估4种预测模型的分类性能。结果:随机森林、支持向量机、自适应增强、梯度提升决策树模型的灵敏度和特异度分别为0.93、0.85，0.93、0.96，0.38、0.69，0.46、0.46。随机森林模型和自适应增强模型的AUC值分别为0.81和0.82，支持向量机和梯度提升决策树模型的AUC值为0.87。结论:针对盆腔肿瘤调强放疗计划，可以采用基于放射组学特征的机器学习方法来构建γ通过率的预测模型。支持向量机模型和梯度提升决策树模型的分类性能要优于随机森林模型、自适应增强模型。

放射治疗时，由于体位固定及体表标注摆位中心三维坐标的需要，患者通常需要裸露身体某一部位进行治疗，而直线加速器对治疗室温度有要求(一般25℃左右)，肿瘤患者大多年老体弱免疫力低下，在此温度条件下常感觉体凉，严重者出现发热、咳嗽等症状而影响治疗的正常进行。最简便的方法就是在患者身上盖薄毯或棉被等干燥棉织物，然而，体表覆盖干燥棉织物是否影响治疗剂量，迄今鲜见文献报道。本文通过测量固体水模和三维调强验证矩阵上覆盖不同厚度的干燥棉织物对绝对剂量值和实际野真实合成剂量分布的影响，探讨放疗时体表覆盖干燥棉织物的可行性。

目的:了解2023年度河南省放射治疗人员、设备与技术开展情况。方法:采用统一设计的调研问卷，于2023年3月至4月进行在线调查。问卷由河南省肿瘤诊疗质量控制中心下发到全省各医疗机构，调研内容包括各放疗开展单位的人员、放疗设备、质控设备、影像设备配备情况以及放疗技术开展情况。对调研数据进行统计描述。结果:截至2023年4月30日，河南省从事放射治疗的单位共168家；从事放射治疗的医师共956人、物理师共365人、技师共680人。全省医用直线加速器共212台、钴60治疗机1台、后装治疗机32台、射波刀4台、CT模拟定位机173台、磁共振模拟定位机2台、常规模拟定位机94台，放疗设备以直线加速器为主，人均保有量为2.15台/百万人。开展二维放疗的单位11家、三维适形放疗24家、静态调强放疗130家、旋转调强放疗41家、立体定向放疗33家。关于物理质控设备，全省共有16家单位配备三维水箱，162家单位配备辐射剂量仪，114家单位配备晨检仪，60家单位配备胶片剂量仪，108家单位配备调强计划验证系统。结论:2023年河南省放疗从业人员配备不足，放疗设备配置存在地区间发展不均衡的情况。在放疗技术开展方面，调强放射治疗已经成为河南省放射治疗的主流技术，放疗质控设备的配置以及标准化质控工作需要进一步提高。

目的:探索3D打印组织补偿物在不规则部位浅表肿瘤放疗中的优势。方法:构建裸鼠前列腺癌皮下移植瘤模型，按单纯随机抽样法分为无组织补偿物组、普通组织补偿物组及3D打印组织补偿物组，每组6只。采集3D打印组织补偿物组的裸鼠CT图像，使用聚乳酸(PLA)制作补偿物模型，通过测量电子密度评估材料的性能。获取覆盖对应组织补偿物后的3组定位CT图像，勾画大体肿瘤区(GTV)。使用6 MV X射线，按照处方剂量对3组裸鼠照射。3组的处方剂量均为1 500 cGy，使用Eclipse 13.5治疗计划系统各项特异性分析算法(AAA)计算并比较3组GTV的剂量分布，金属－氧化物半导体场效应晶体管(MOSFET)验证裸鼠皮肤表面实际接收剂量。结果:使用3D打印组织补偿物的空气间隙为(0.20±0.07)cm 3，普通组织补偿物的空气间隙为(0.37±0.07)cm 3( t＝4.02， P<0.01)；无组织补偿物组、普通组织补偿物组、3D打印组织补偿物组的靶区 D95%分别为(1 188.58±92.21)、(1 369.90±146.23)和(1 440.29±45.78)cGy( F＝9.49， P<0.01)， D98%分别为(1 080.13±88.30)、(1 302.76±158.43)和(1 360.23±48.71)cGy( F＝11.17， P<0.01)， Dmean分别为(1 549.08±44.22)、(1 593.05±65.40)和(1 638.87±40.83)cGy( F＝4.59， P<0.05)；实测浅表剂量分别为(626.03±26.75)、(1 259.83±71.94)和(1 435.30±67.22)cGy( F＝263.20， P<0.001)。普通组织补偿物组与3D打印组织补偿物组裸鼠照射后肿瘤体积增长百分比变化不明显，差异无统计学意义( P>0.05)。 结论:3D打印组织补偿物与体表的贴合性好，减少了空气间隙，提高了靶区临近体表的剂量，为一些不规则部位的浅表肿瘤放疗提供思路。

目的:采用基于放射组学的机器学习方法，探索盆腔肿瘤不同调强放疗技术下γ通过率(GPR)分类预测模型的可行性，并比较了4种集成树模型的分类性能。方法:回顾性收集了409例使用不同调强放疗技术的计划，采用基于模体测量方式的三维剂量验证结果，γ通过率标准为3%/2 mm、10%剂量阈值。提取基于剂量文件的放射组学特征构建预测模型。分别采用随机森林、自适应增强、极端梯度提升树和轻量级梯度提升机4种机器学习算法，并且通过计算灵敏度、特异度、 F1分数及曲线下面积(AUC)值来评估它们的分类性能。 结果:随机森林、自适应增强、极端梯度提升树、轻量级梯度提升机模型的灵敏度和特异度分别为0.96、0.82、0.93、0.89和0.38、0.54、0.62、0.62， F1分数和AUC值分别为0.86、0.81、0.88、0.86和0.81、0.77、0.85、0.83。其中极端梯度提升树模型的灵敏度达到0.93，特异度、 F1分数和AUC值均为最高，要优于其他3种模型。 结论:针对采用不同调强放疗技术的盆腔肿瘤调强计划，使用基于放射组学的机器学习方法来构建伽马通过率分类预测模型具有一定的可行性，能够为将来GPR预测的多机构合作研究提供基础。