目的:通过对螺旋断层治疗(简称Tomo)计划人为引入叶片打开时间误差进行测试，评估中心型及偏心型两种ArcCheck验证方式在Tomo治疗计划质量验证中对叶片打开时间误差的灵敏度。方法:选择9例鼻咽癌患者，每个患者均分别生成靶区置于ArcCheck周围探测器上的偏心型验证计划、靶区置于ArcCheck中心位置的中心型验证计划。通过Matlab修改Sinogram矩阵文件人为引入2、4、6、8、10 ms的延时打开时间误差。利用ArcCheck分别测试无误差计划及带误差计划，对验证结果进行γ分析(剂量距离误差标准分别为3%/3 mm、3%/2 mm、2%/2 mm，阈值水平分别选择5%、10%、15%)。对误差灵敏度分别利用γ下降梯度和最小误差检测能力进行定量评估。对不同剂量距离误差标准及不同阈值水平分析结果的γ通过率进行 Pearson法相关性分析。 结果:中心型计划的γ下降梯度绝对值在不同γ分析标准下均大于偏心型计划(均 P<0.05)。中心型计划在所有γ分析标准下能检测出的最小叶片打开时间误差均为2 ms，而偏心型计划的最小误差检测能力弱于偏心型计划。中心型验证计划3个剂量距离误差标准的γ通过率均为强相关(均 R2>0.9)，而偏心型计划仅3%/3 mm、3%/2 mm标准的相关性较强( R2>0.9)。偏心型及中心型验证计划不同阈值水平间的γ通过率相关性均为强相关( R2均接近1)。 结论:ArcCheck应用于Tomo验证的中心型验证方式比偏心型验证方式对叶片打开时间误差灵敏度更高，对误差的检测能力中心型计划强于偏心型计划，且中心型验证计划在不同标准下的γ分析结果的相关性均强于偏心型验证计划。建议Tomo临床计划验证采用ArcCheck中心型验证方式。

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:评估Ethos宫颈癌在线自适应放疗（ART）基于智能优化引擎（IOE）的完全自动化自适应计划的鲁棒性。方法:回顾性分析2021年6月至2022年6月于北京协和医院就诊的ⅠB期11例宫颈癌术后患者，获取原始计划影像及每次放疗迭代锥形线束CT（iCBCT）影像，并将所有患者数据导入Ethos模拟器。使用Ethos对11例患者进行基于IOE的9野自动计划生成，生成的计划进行在线ART模拟，获取每次在线ART计划（共273个分次），并完成模拟治疗。基于在线ART计划所使用的影像及勾画结构进行手工计划设计，采用9野均分的布野方式，手工制作计划用于对照研究。采集剂量学参数、计划复杂性参数及Mobius质量保证（QA）通过率等，通过配对 t检验或秩和检验对比评估在线自适应放疗计划的危及器官、靶区的剂量学参数及计划复杂度等的鲁棒性。 结果:与手工计划相比，在线ART计划的计划靶区（PTV）覆盖相当，而临床靶区（CTV）D 99%更高［（45.93±0.36）∶（45.32±0.31）Gy， P<0.001］。在线ART计划的PTV D max显著高于手工计划［（49.89±1.25）∶（48.48±0.77）Gy， P<0.001］，但是PTV D 1%则小于手工计划［（47.22±0.29）∶（47.59±0.48）Gy， P<0.001］。在线ART计划与手工计划的PTV适形指数的差异无统计学意义（ P=0.967）。均匀性指数方面，两者均值基本相同，在线ART计划的离散性更小（ P<0.001）。危及器官（OAR）受量方面：在线ART计划的膀胱D mean、直肠V 40 Gy、小肠D mean大于手工计划，而直肠D mean、小肠D 2 cm3小于手工计划；在线ART计划的左右股骨头、脊髓和骨髓的剂量学参数均优于手工计划。自适应计划的机器跳数大于手工计划，但是自适应计划的复杂度显著低于手工计划（0.135±0.012∶0.151±0.015， P<0.001）。自适应计划与手工计划的Mobius γ通过率（5%/3 mm）均满足临床要求。 结论:基于IOE的Ethos在宫颈癌在线自适应计划中具有很好的鲁棒性，可以保证在线自适应各个治疗分次自动生成计划的质量。

近距离放射治疗是与外部放射治疗相对应的一种放疗方式，因其可以对病灶区域实现更高的放射剂量并更好地保护危及器官而得到广泛应用。但近距离放射治疗工作流程耗时较长，可能会造成患者的不适、施源器或插值针的位移、器官的变化。近年来，深度学习技术在医学领域取得了巨大的成功，为实现近距离放射治疗自动化、提高放疗精度、确保放疗计划安全有效提供了新的思路。本文综述了深度学习在近距离放射治疗中的分割、图像配准、施源器重建、剂量预测和计划优化以及质量保证方面的研究进展，以供临床工作参考。

目的:分析非小细胞肺癌(NSCLC)术后放疗(PORT)流程中含靶区纵隔移位规律和实施中期评估的价值。方法:100例NSCLC术后N 2期和R 1-2切除并任何N期患者，以骨性解剖建立坐标轴，测量纵隔三维方向在PORT流程中的移位规律。采用 WilCoxon、 Kruskal- Wallis、 χ2检验统计分析，受试者工作特征(ROC)曲线计算临界值。 结果:纳入患者PORT流程中 X(前后)、 Y (左右)、 Z(上下)方向纵隔移位分别为0.04~0.53、0.00~0.84、0.00~1.27 cm，纵隔移位距离的大小顺序分别为 Z> Y> X；ROC曲线计算临界值分别为0.263、0.352、0.405，>临界值者分别为25(25%)、30(30%)、30例(30%)，纵隔三维方向移位不同( P＝0.007、<0.001、<0.001)； X、 Y、 Z方向的纵隔移位与切除部位( P＝0.355、0.239、0.256)、手术方式( P＝0.241、0.110、0.064)均相近。全组纵隔移位>和≤临界值、放疗中程模拟(m-S)后修改和原计划放疗的比较分析显示PORT患者放射性食管炎(RE)、放射性肺炎发生率均相近(均 P>0.05)；但m-S后修改计划病例≥3级RE的发生率显著低于原计划PORT患者，分别为0、7%( P<0.001)。 结论:NSCLC根治术后N 2期和/或R 1-2切除病例的PORT流程中存在纵隔移位，20%~30%患者发生明显的移动，PORT流程中期重新定位并修改靶区和放疗计划对质量保证和质量控制有利。

目的:采用随机森林和支持向量机两种机器学习算法建立预测模型，实现容积弧形调强（VMAT）验证γ通过率（GPR）的数值预测和分类预测。方法:回顾性选取2019年4月至2020年8月于温州医科大学附属第一医院放疗中心接受VMAT放疗的258例患者资料，其中头颈部38例，胸腹部220例。对所有患者VMAT计划提取13个复杂度参数，收集计划验证在3%/3 mm和2%/2 mm评估标准下的GPR。用随机种子数方法将患者队列分为70%训练队列和30%验证队列，采用随机森林和最小冗余最大相关性（mRMR）的方法分别筛选数值预测和分类预测的相关性参数，利用随机森林和支持向量机两种算法结合计划靶区（PTV）体积，子野宽度，平滑度因素分别建立复杂度模型和混合模型。分析比较两种模型的预测性能。结果:对GPR数值预测，在3%/3 mm、2%/2 mm评估标准下，验证队列中基于随机森林和支持向量机复杂度模型预测误差的均方根误差（RMSE）和平均绝对误差（MAE）分别为1.788%和1.753%、5.895%和5.444%、1.415%和1.334%、4.644%和4.255%；基于随机森林和支持向量机的混合模型预测误差的RMSE和MAE分别为1.760%和1.815%、5.693%和5.590%、1.386%和1.319%、4.523%和4.310%。GPR分类预测中，在3%/3 mm、2%/2 mm评估标准下，验证队列中基于随机森林和支持向量机的复杂度模型的受试者工作特征（ROC）曲线下面积（AUC）分别为0.790和0.793、0.763和0.754；在验证队列中基于随机森林和支持向量机的混合模型的AUC结果分别为0.806和0.859、0.796和0.796。结论:开发了基于随机森林方法和支持向量机方法的复杂度模型和混合预测模型，能够实现在3%/3 mm和2%/2 mm两种评估标准下对VMAT放疗计划GPR的数值预测和分类预测，混合模型较经典复杂度模型提高了预测精度。

CT模拟定位是以CT图像为基础的放疗模拟定位技术，可以建立三维坐标系，精确显示肿瘤大小、侵犯范围及淋巴结转移情况，可以精确显示周边重要器官轮廓、肿瘤和重要器官之间相互位置关系，为放疗计划设计提供电子密度，是精确放疗的基础条件之一。为规范CT模拟定位临床操作技术、精确肿瘤靶区勾画和计划设计提供放疗定位质量保证，特制定本专家共识。本共识内容包括CT模拟应用概述、常见肿瘤CT模拟定位规范共识、CT模拟定位技术常用后处理、呼吸运动管理技术、CT模拟不良反应及处理和CT模拟展望等，以期指导放射治疗师、放射肿瘤医师临床实践，为患者带来生存获益。

目的:利用二维半导体矩阵(SRS MapCHECK)剂量验证系统对射波刀(CK)临床治疗患者计划进行剂量验证,通过对其γ通过率的分析实现肿瘤患者放疗计划的个体化快速验证.方法:选取2021年3月至2023年5月解放军总医院第一医学中心接受CK临床治疗的253例肿瘤患者,CK治疗中头部肿瘤患者121例,肺部肿瘤患者30例、腹部及其他转移肿瘤患者102例,在MultiPlan治疗计划系统中通过计划影像中心重合的方式将患者计划映射至StereoPHAN模体与SRS MapCHEC剂量验证系统组成的一体化模体上,在保证射束数量、方向及机器跳数一致性基础上对每例患者计划进行剂量验证.采用9个不同γ分析标准(1%/1 mm、2%/1 mm、3%/1 mm、1%/2 mm、2%/2 mm、3%/2 mm、1%/3 mm、2%/3 mm和3%/3 mm)对各验证计划进行绝对剂量的全局分析,其中低剂量阈值(TH)设置为10%.结果:253例患者模体验证计划在9个不同分析标准下γ通过率分别为(88.64±5.91)%、(95.43±3.40)%、(97.90±2.06)%、(96.51±2.35)%、(98.15±1.68)%、(99.06±1.12)%、(98.30±1.39)%、(99.09±0.97)%和(99.52±0.63)%;不同部位肿瘤患者除按1%/1 mm标准分析结果外,其他标准γ通过率均＞95%.中心点剂量偏差整体分析结果为(-1.30±2.17)%,其中头部肿瘤、腹部及其他转移肿瘤均在-2%左右,而肺部肿瘤在-3%左右;且腹部及其他转移肿瘤偏差最小.Pearson相关性分析显示,靶区体积、最小准直器大小分别与患者整体和头部中心的点剂量偏差均存在一定的相关性.结论:SRS MapCHECK剂量验证系统可简便快捷实现CK治疗患者计划个体化验证.

粒子放射治疗是一种新型的放射治疗方法,具有更好的瞄准性和更高的精度,能进行更精准的放射治疗.然而,粒子束流的复杂性以及每个患者的病变部位和体质不同,为了确保粒子放射治疗的疗效,需要一个高精度的束流监测系统来监测束流的空间和能量分布,如位置和剂量等重要参数.所以束流监测系统对于粒子治疗中的安全性和精准性有着非常重要的作用.通过监测束流的位置和剂量等重要参数,可以实时调整治疗计划,从而确保粒子束流能够准确地照射到病变部位,对周围健康组织的影响降到最低.因此,研制并验证这种束流监测系统是粒子放射治疗中极为重要的一步.本文将综述粒子治疗中质量保证束流监测的发展历程.首先简述粒子放射治疗的发展,重点说明束流监测系统对于粒子放射治疗的重要性.然后着重论述粒子束流监测的发展过程,并介绍不同类型的探测器及其应用和研究进展.最后探讨束流监测系统的未来发展趋势和可能面对的挑战.

目的:利用3D打印技术制作反映患者真实情况的3D打印个体化模体,分析3D打印个体化模体内各器官CT值及放射治疗剂量分布.方法:根据患者定位CT图像重建并3D打印出各器官的三维立体结构空壳,以CT值为依据选择各器官的等效材料进行填充,即得到体现患者结构特征的个体化胸部模体.将患者治疗计划纳入患者图像组,将患者治疗计划移植到3D打印个体化模体上的计划纳入模体图像组,比较两组计划的剂量学参数.结果:模体图像组患者图像的左右肺脏、软组织、骨松质、骨密质和心脏的平均CT值分别为-709、-737、14、144、760和28 HU.模体图像CT值与患者定位图像CT值比较,误差均＜16.7%.两组图像上放射治疗计划的正常组织受量均能满足临床要求;靶区剂量学参数最小剂量(Dmin)、平均剂量(Dmean)、98%、50%和2%的靶区体积对应的剂量(D98%、D50%和D2%)、适形指数(CI)、均匀指数(HI)、机器跳数(MU)均能满足临床要求,且均无统计学差异;靶区最大剂量(Dmax)差异有统计学意义(t=2.678,P＜0.05),其中模体图像组Dmax偏大,为(56.97±0.32)Gy.结论:最终设计的模体在放射治疗中的CT值、组织结构、空间分布上均可以仿真人体胸部,验证了3D打印模体在放射治疗质量保证中用于剂量测量的可行性.