目的:评价前列腺癌图像引导放疗时锥形线束CT（CBCT）的使用频率和匹配策略对靶区和危及器官剂量学参数的影响。方法:回顾性分析北京大学第一医院2022年6月—2023年5月收治的21例前列腺癌根治性放疗患者的561套每日CBCT图像，患者均接受中等分割容积弧形调强放疗（VMAT），剂量为70 Gy分25次，2.8 Gy/次。根据不同图像引导方式和频率，校准摆位误差后将计划CT刚性配准到CBCT，CT值和结构通过形变配准算法传播到CBCT，根据形变矢量场将每日剂量映射到计划CT进行剂量累加。将每日在线CBCT验证的实际累积剂量与每周CBCT方案（第1-3、6、11、16、21天CBCT扫描）进行比较。比较基于骨匹配与基于软组织匹配（自动骨匹配后手动前列腺匹配并最终以直肠前壁为主做微调）两种匹配方式的摆位误差及剂量学参数。非正态分布的计划剂量和累积剂量之间的剂量学参数采用Wilcoxon符号秩和检验进行分析，符合正态分布的移床值和平均剂量参数采用配对 t检验进行分析。 结果:与每日CBCT图像引导相比，每周方案的CTV_D 98%［（69.08±1.58）∶（65.24±3.64）Gy， P<0.001］明显减少。采用骨匹配的CTV_D 98%为（69.27±2.14）Gy，但直肠高量较高：V 60 Gy为3.18%±3.10%、V 65 Gy为0.77%±1.23%。采用软组织匹配方案的靶区覆盖率足够，CTV_D 98%为（69.08±1.58）Gy；且直肠高量区剂量的百分体积明显减少，V 60 Gy为2.02%±2.42%，V 65 Gy为0.34%±0.68%。 结论:中等分割前列腺癌放疗，每日CBCT图像引导的靶区覆盖度优于每周方案。自动骨匹配后手动前列腺匹配并最终依据直肠前壁做微调的匹配策略，能在保证靶区覆盖率前提下较好地保护直肠。

乳腺癌保乳术后放疗方案中，瘤床及其靶区的准确勾画至关重要。利用不同医学图像与放疗定位CT图像进行配准能提供更加全面的信息从而辅助医生勾画靶区。根据几何变换性质可将图像配准方法分为刚性和非刚性两大类。由于软组织易形变的特性，刚性配准较难实现非刚性结构的严格匹配，非刚性配准的结果更加符合复杂形变的实际情况。文章旨在综述两类配准方法在乳腺癌瘤床靶区勾画中的应用，分析临床应用中存在的问题，并展望非刚性配准未来的研究方向。

目的:提出可应用于图像质量差、多叶准直器（MLC）遮挡和非刚性变形的兆伏级图像的无标记射束方向观（BEV）肿瘤放疗跟踪算法。方法:采用窗口模板匹配、图像结构转换和demons非刚性配准方法，解决兆伏级图像中的配准问题。在模体中生成质量保证（QA）计划并在加速器上手动设置治疗偏移后执行，收集治疗过程中的682幅电子射野影像装置（EPID）图像作为固定图像；同时采集计划系统中对应射野角度的数字重建影像（DRR）图作为浮动图像，验证算法的准确性。此外收集21例肺部肿瘤治疗患者的共533对图像进行肿瘤跟踪研究，提供治疗过程中肿瘤位置变化定量结果。图像相似度用于跟踪结果的第三方验证。结果:算法可应对不同程度（10%~80%）的图像缺失，模体验证中86.8%的跟踪误差在3 mm以下，80%在2 mm以下。配准前后归一化互信息（NMI）变化为（1.182±0.026）~（1.202±0.027）（ P<0.005），豪斯多夫距离（HD）变化为（57.767±6.474）~（56.664±6.733）（ P<0.005）。病例结果以平移为主（-6.0~6.2 mm），但非刚性形变仍存在。配准前后NMI变化为（1.216±0.031）~（1.225±0.031）（ P<0.005），HD变化为（46.384±7.698）~（45.691±8.089）（ P<0.005）。 结论:本文算法可应对不同程度图像缺失，且在数据缺失图像的非刚性配准中表现较好，适用于不同放疗技术，为多模态、部分数据及图像质量较差的兆伏级图像处理提供了参考思路。

目的:基于机器学习提出可应用于低图像质量、多叶准直器(MLC)遮挡和非刚性变形兆伏级(MV)图像的无标记射束方向观(BEV)肿瘤放疗跟踪算法。方法:采用窗口模板匹配法和Voxelmorph端到端无监督网络，处理MV图像中的配准问题。使用动态胸部模体，验证肿瘤跟踪算法的准确性。将模体质量保证(QA)计划在加速器上手动设置治疗偏移后执行，收集治疗过程中的682幅电子射野影像系统(EPID)图像作为固定图像；同时采集计划系统中对应射野角度的数字影像重建(DRR)图作为浮动图像，进行靶区跟踪研究。收集21例肺部肿瘤放疗的533对EPID和DRR图像进行肿瘤跟踪研究，提供治疗过程中肿瘤位置变化定量结果。图像相似度用于算法的第三方验证。结果:算法可应对不同程度(10%~80%)的图像缺失，且对数据缺失图像的非刚性配准表现较好。模体验证中86.8%的跟踪误差<3 mm，<2 mm的比例约80%作用。配准后标准化互信息(NMI)由1.18±0.02提高到1.20±0.02( t＝－6.78， P＝0.001)。临床病例肿瘤运动以平移为主，平均位移3.78 mm，最大位移可达7.46 mm。配准结果显示存在非刚性形变，配准后NMI由1.21±0.03增至到1.22±0.03( t＝－2.91， P＝0.001)。 结论:肿瘤跟踪算法跟踪精度可靠且鲁棒性好，可用于无创、实时、无额外设备和辐射剂量的肿瘤跟踪。

目的:采用刚性配准和形变配准方法获得大体积非小细胞肺癌(NSCLC) IMRT中靶区和危及器官(OAR)的累加剂量，并与初次计划的剂量进行比较。方法:选择30例采用IMRT的大体积NSCLC患者，每位患者分别在放疗前和放疗20分次时进行4DCT模拟定位，基于初次4DCT的平均密度投影CT 1-avg制定放疗计划为Plan 1，基于二次4DCT的平均密度投影CT 2-avg修改放疗计划为Plan 2，分别采用刚性配准和形变配准方法将两次计划进行剂量累加得到Plan 刚性和Plan 形变。比较初次定位和二次定位之间大体肿瘤体积(GTV，以吸气末时相图像CT50%上的勾画为准)和OAR (OAR，以平均密度投影图像CT avg上的勾画为准)的体积变化，以及Plan 2、Plan 刚性、Plan 形变的剂量体积指标相比Plan 1的差异。 结果:二次定位和初次定位相比，GTV、心脏体积分别缩小44.2%、5.5%，患侧肺、健侧肺、全肺体积分别增大5.2%、6.2%、5.8%( P<0.05)；对于内GTV (IGTV，10个4DCT时相的GTV融合而来)和计划靶体积(PTV)的D 95%、D 98%、V 100%，Plan 2与Plan 1相近( P>0.05)，Plan 刚性、Plan 形变较Plan 1均略有下降( P<0.05)；对于脊髓、心脏、患侧肺、双肺剂量，Plan 2、Plan 刚性、Plan 形变较Plan 1均降低( P<0.05)，其中心脏V 30Gy和D mean分别降低27.3%、16.5%、15.3%和15.2%、6.6%、5.6%，双肺V 20Gy和D mean分别降低15.6%、4.5%、3.7%和15.7%、6.2%、5.1%；Plan 形变的IGTV和PTV的D 95%、D 98%，心脏V 40Gy，患侧肺和全肺的V 20Gy、D mean高于Plan 刚性( P<0.05)。形变配准后OAR相似指数明显高于刚性配准( P<0.05)。 结论:Plan 2中OAR剂量体积指标相比Plan 1差别很大，因此它们在预测OAR放射性损伤方面均有较大偏差，而形变配准得到的剂量体积指标可以提高预测精度。

目的:以内乳淋巴结清扫(ImlND)前勾画的内乳淋巴结临床靶区(CTV ImlN)为参照，对比不同勾画方法构建的ImlND术后CTV ImlN靶区间差异，探讨ImlND后CTV ImlN勾画的合理方法。 方法:选取已行患侧ImlND且术前、术后CT图像资料完整的乳腺癌改良根治术(MRM)患者20例。依据RTOG指南在术前CT图像上勾画健侧及患侧CTV ImlN (CTV pr-I、CTV pr-a)。在术后CT图像上分别采用形变配准(DIR)法、视觉对照法、精确测量法勾画术后患侧CTV ImlN，并分别命名为CTV DIR、CTV V、CTV M。比较CTV V、CTV M、CTV DIR与CTV pr-a间靶区中心间距、靶区体积以及3种不同方式构建的CTV ImlN的适形指数(CI)及包含度(DI)差异。 结果:CTV V、CTV M、CTV DIR与CTV pr-a的靶区中心间距分别为2.17、1.44、1.25 cm。CTV pr-a、CTV pr-I、CTV V、CTV M和CTV DIR的靶体积分别为2.10、2.17、2.04、1.88、2.07 cm 3(均 P>0.05)。CTV V-CTV pr-a间、CTV M-CTV pr-a间CI均为0.16，CTV DIR-CTV pr-a间CI为0.43，明显高于前两者(均 P<0.01)。CTV V-CTV pr-a、CTV M-CTV pr-a间DI分别为0.26和0.24，CTV DIR-CTV pr-a间DI为0.58，明显高于前两者(均 P<0.01)。 结论:准确勾画ImlND术后的CTV ImlN是困难的，但相比较而言，DIR法所勾画靶区的空间位置适配度优于视觉对照法和精确测量法。

目的:比较基于4DCT呼气末时相、 18F-FDG PET-CT及T 2加权(T 2W) MRI所勾画胸段食管癌大体肿瘤体积(GTV)、位置及长度差异，探讨食管癌原发肿瘤GTV勾画时PET-CT与MRI图像结合的必要性。 方法:26例拟行同步放化疗的胸段食管癌患者序贯完成增强3DCT、增强4DCT、PET-CT、增强MRI胸部定位扫描，基于3DCT图像形变配准。分别基于3DCT、4DCT的呼气末时相、PET-CT SUV 2.5、T 2W-MRI和DWI图像勾画GTV获得GTV CT、GTV 50%、GTV PET2.5、GTV MRI和GTV DWI。 结果:GTV PET2.5大于GTV 50%( P<0.001)和GTV MRI ( P＝0.008)，而GTV MRI与GTV 50%接近( P＝0.439)。GTV MRI与GTV 50%、GTV CT的适形指数(CI)大于GTV PET2.5与GTV 50%、GTV CT的( P＝0.004、 P＝0.039)，GTV MRI与GTV PET2.5的CI明显小于GTV MRI、GTV PET2.5与GTV 50%、GTV CT的( P＝0.000～0.021)。镜检长度与GTV PET、GTV DWI长度相近( P>0.05)，且GTV PET2.5与GTV DWI长度接近( P＝0.072)。 结论:基于PET-CT SUV2.5与呼吸门控状态下T 2W-MRI所勾画食管癌GTV和空间位置差异明显，PET-CT与MRI结合进行食管癌靶区勾画的必要性尚需探讨，但MRI-DWI可以代替PET-CT帮助基于CT图像勾画GTV时上下界的确定。

目的:探讨MR引导的Unity放疗系统在临床应用中的可行性。方法:临床试验入选24例患者，按治疗部位分为头颈组、胸腹组、盆腔组、脊柱组和肢体组，总共384个治疗分次。在无外置激光的情况下进行摆位，统计在线治疗流程中不同阶段所需时间和每个分次的配准误差。每周利用MR几何形变模体检测MR图像几何形变大小。并利用ArcCheck对参考计划、在线计划及离线计划进行剂量验证。结果:头颈组、胸腹组、盆腔组、肢体组、脊柱组平均治疗时间分别为29.1、27.6、26.6、25.6、32.0 min。5个组左右、上下、前后方向平均摆位误差分别为头颈组(0.08±0.06)、(0.16±0.13)、(0.08±0.05) cm，胸腹组(0.23±0.18)、(0.50±0.47)、(0.12±0.1) cm，盆腔组(0.25±0.19)、(0.32±0.25)、(0.11±0.09) cm，肢体组(0.46±0.38)、(0.26±0.26)、(0.13±0.07) cm，脊柱组(0.33±0.30)、(0.34±0.23)、(0.08±0.06) cm。在中心区域MR几何形变大小在0.3 mm以内，直径500 mm的球体区域内形变大小在2.1 mm内。所有参考计划、在线计划、离线计划平均γ通过率分别为97.92%、97.84%、94.58%。结论:MR引导放疗具有较大临床应用潜力，但MR引导的Unity放疗系统流程较为复杂，各部门的协同性对治疗的影响较大，还需进一步优化。

目的:比较单纯参考诊断 18F-FDG PET-CT(PET-CT)在3D-CT上勾画的食管原发肿瘤大体肿瘤体积(GTV)与利用3D-CT和诊断PET-CT形变配准后勾画的GTV体积和位置差异。 方法:选择在本院行同步放化疗的胸段食管癌患者72例，所有患者放疗前均行诊断PET-CT扫描和常规3D-CT模拟定位扫描。单纯基于常规3D-CT勾画GTV定义为GTV 3D，参考诊断PET-CT在3D-CT上勾画的GTV定义为GTV PET-ref，基于3D-CT和诊断PET-CT形变配准图像上勾画的GTV定义为GTV PET-reg。比较3种GTV剂量指标间的差异。 结果:全组患者GTV 3D、GTV PET-ref、GTV PET-reg靶区中位体积分别为44.90、40.36、41.15 cm 3，各靶区间体积大小差异无统计学意义( P>0.05)。三者靶区平均长度分别为8.54、9.29、8.38 cm，GTV PET-ref>GTV 3D( t＝2.134， P<0.05)。GTV PET-ref对GTV 3D、GTV PET-reg对GTV 3D的中位包含度(DI)值分别为0.86、0.82，两者间差异有统计学意义( Z＝－2.741， P<0.05)；GTV 3D对GTV PET-ref、GTV 3D对GTV PET-reg的中位DI值分别为0.87、0.84，两者间差异有统计学意义( Z＝－1.429， P<0.05)。GTV 3D与GTV PET-ref、GTV 3D与GTV PET-reg的中位适形指数(CI)值分别为0.72、0.68，两者间差异有统计学意义( Z＝2.756， P<0.05)。GTV 3D与GTV PET-ref、GTV 3D与GTV PET-reg、GTV PET-ref与GTV PET-reg的CI与靶区中心间距均呈显著负相关( P<0.05)。 结论:参考诊断PET-CT在靶区体积大小及靶区空间位置与基于诊断PET-CT形变配准所勾画食管癌原发肿瘤GTV差异均无统计学意义，因此，建议放疗医生可以参照治疗前近期的诊断PET-CT勾画食管癌原发肿瘤GTV。

目的:提出量化评估不同形变图像配准(DIR)算法的新指标，增加形变配准向临床实践进一步发展的可能。方法:首先基于正向形变场(DVF)的雅可比行列式(JD)提出雅可比行列式均值(JDM)，然后引入逆向DVF的JD，提出DVF雅可比行列式误差(DJDE)。在肺癌和鼻咽癌图像上采用光流场形变配准算法(OF-DIR)和快速弹性正则化Demons形变配准算法(FD-DIR)进行配准。最后使用JDM和DJDE，以及雅可比行列式负值百分比(JDNP)、逆一致性误差(ICE)及归一化均方误差(NMSE)进行配准算法评估。对比不同评估指标在不同肿瘤图像以及不同算法上的差异，并采用受试者工作特征曲线(ROC)进行分析。结果:在肺癌中，OF-DIR的JDM、NMSE、DJDE和ICE均优于FD-DIR，差异具有统计学意义( z ＝ －2.24、－4.84； t ＝ 4.01、6.54， P<0.05)。在鼻咽癌中，OF-DIR的DJDE、ICE和NMSE均优于FD-DIR，差异具有统计学意义( t ＝ 4.46、－7.49， z ＝ －2.22, P<0.05)，JDM差异无统计学意义( P>0.05)。在肺癌及鼻咽癌中，OF-DIR的JDNP均差于FD-DIR，差异具有统计学意义( z ＝ －4.29、－4.02， P<0.01)。此外，DJDE在ROC曲线上更具特异性及敏感性(AUC＝0.77)，针对不同部位肿瘤图像有不同表现结果。 结论:JDM及DJDE是评估形变算法的有效指标，肺癌及鼻咽癌均适合使用OF-DIR，而FD-DIR在使用时需注意器官组织动度对配准效果的影响。