目的:运用锥形束CT(cone-beam CT,CBCT)联合ExacTrac X射线(ExacTrac X-Ray,ETX)图像引导系统对高级别脑胶质瘤放疗患者进行首次与剩余分次放疗的位置验证,探讨最优的图像引导验证模式.方法:回顾性分析2018年1月至2020年6月在某院接受脑胶质瘤调强放疗的20例患者的资料,首次治疗患者使用CBCT图像引导系统确定治疗中心在体表的对应位置,并进行复位与标记,之后在线将CBCT图像与定位CT图像进行自动配准,运用ETX图像引导系统来验证残余摆位误差;剩余分次治疗使用ETX图像引导系统对摆位误差进行位置验证.计算患者在六维方向[Lat方向(左右)、Lng方向(头脚)、Vrt方向(前后)、Pitch方向(绕左右旋转)、Roll方向(绕头脚旋转)、Yaw方向(绕前后旋转)]上的摆位误差及其区间分布.采用SPSS 22.0统计学软件进行数据分析.结果:首次治疗患者的摆位误差只需1次校正的占比为75.00％,剩余分次治疗患者的摆位误差只需1次校正的占比为78.62％.首次治疗经CBCT联合ETX图像引导复位均能满足治疗要求;剩余分次治疗中,在六维方向上校正前后的摆位误差值比较,差异有统计学意义(P＜0.05).摆位误差区间分布显示,患者在首次治疗和剩余分次治疗中六维方向上的误差值均在0～1 mm和0°～1°.结论:高级别脑胶质瘤患者术后采用CBCT联合ETX图像引导系统进行首次及剩余分次治疗,能快速、准确地确认治疗中心并复位,减小摆位误差,可提高治疗的准确性与重复性.

目的 探索基于深度学习实现丘脑底核脑深部电刺激术(subthalamic nucleus deep brain stimulation,STN-DBS)自动化核团标注、手术靶点定位及电极植入路径规划.方法 来自北部战区总医院神经外科行双侧STN-DBS手术的155例患者的影像资料.首先,采用3D UX Net卷积神经网络基于MRI图像提取深度学习特征并完成丘脑底核(subthalamic nucleus,STN)及红核(red nuclei,RN)的分割;然后通过算法实现丘脑底核的自动化靶点定位;最后在规定的皮层入路点范围区域内生成不多于4根的电极植入路径.通过人工审查验证靶点及电极植入路径的临床可行性.结果 通过3D UX Net卷积神经网络算法进行核团分割,红核分割性能的Dice值为0.90.STN分割性能的Dice值为0.84.自动化生成STN靶点经人工审查验证可行的坐标与人工手术规划STN靶点坐标的欧几里得距离为(1.2±0.4)mm.25例测试集中自动化STN靶点定位及电极植入路径通过人工审查可行有20例(20/25),自动化靶点定位及电极路径与人工规划靶点及路径差异无统计学意义(P=0.059).结论 3D UX Net卷积神经网络可以较精确地分割STN及红核,通过自动化靶点定位及路径规划的STN-DBS手术计划临床可行且耗时短,可以为临床医生手术前规划提供参考.

目的 青少年特发性脊柱侧弯(adolescent idiopathic scoliosis,AIS)是危害青少年健康的常见疾病之一.临床上,X线图像Cobb角测量法是评估患者脊柱侧凸严重程度的"金标准".由于X线图像中肋骨和骨盆阴影重叠以及椎骨形态差异等因素影响,人工测量在寻找关键点时步骤复杂且耗时长,快速且准确的Cobb角自动测量方法具有重要临床应用价值.现有深度学习方法中基于分割的方法易受图像质量影响;基于关键点检测方法过于关注局部特征提取导致定位不准确等问题.为此,本文提出了一种以椎骨为中心的标志点检测方法,来实现脊柱侧弯Cobb角自动估计算法.方法 构建一种基于融合多尺度和注意力机制M型椎骨检测网络(multi-scale attention M-shaped network,MSAM-Net).首先,使用多尺度金字塔拆分注意力(multi-scale pyramids squeeze attention,MPSA)模块和注意力特征融合(attentional feature fusion,AFF)模块提取椎骨特征和上下文信息,然后,根据椎体中心和角偏移量定位4个角标志点,以在脊柱侧弯评估任务中提高椎骨标志点检测的性能,进而实现近胸段、主胸段和胸腰段曲线的Cobb角估计.结果 为了评估Cobb角估计与真实侧弯角度之间的偏差程度,本研究算法基于AASCE MICCAI 2019挑战赛数据集,使用4种指标对Cobb角精度进行评估,分别是对称平均绝对百分比误差(symmetric mean absolute percentage error,SMAPE)、欧氏距离(Euclidean distance,ED)、曼哈顿距离(Manhattan distance,MD)和切比雪夫距离(Chebyshev distance,CD).测试得到SMAPE为9.39％,ED为4.18;MD为5.92;CD为5.34.与基于分割和检测的5种深度学习方法进行对比,实现更好的Cobb角测量结果.结论 本研究可以准确识别和定位X线图像中椎骨,帮助医生测量AIS患者的Cobb角,为临床AIS诊断、手术计划和脊柱健康分析提供决策支持.

目的:利用深度相机开发三维点云放疗实时监测系统并验证其可行性。方法:以深度相机坐标系为世界坐标系，由校准模体得到定位CT坐标系与世界坐标系之间的转换关系。患者的定位CT点云经上述关系转换到世界坐标系中并与深度相机实时获取的患者表面点云配准计算六维误差，完成摆位验证及放疗中分次内体位误差监测。统计系统六维计算误差的均值、标准差，配准后点云的豪斯多夫距离以及各部分程序运行时间，验证系统的可行性。选取15例真实患者，统计本系统与锥形线束CT之间六维误差。结果:模体实验中，系统在左右、头脚、腹背方向的误差分别为（1.292±0.880）、（1.963±1.115）、（1.496±1.045）mm，在偏转、俯仰、翻滚角度的误差分别为0.201°±0.181°、0.286°±0.326°、0.181°±0.192°。对于真实患者，系统平移误差在2.6 mm以内，旋转误差在1°左右，程序运行1~2帧/s，精度和速度满足放疗要求。结论:基于深度相机的三维点云放疗实时监测系统能自动完成放疗前摆位验证、放疗中体位实时监测，并提供误差视觉反馈，具有潜在的临床应用价值。

目的:建立一种三维定量测量方法用于评估颞下颌关节髁突骨改建。方法:将2014年11月至2019年8月就诊于北京大学口腔医学院·口腔医院颞下颌关节病及口颌面疼痛诊治中心且诊断为颞下颌关节急性不可复性关节盘前移位或关节盘绞锁、采用手法复位关节盘结合前伸再定位 垫治疗的41例患者（共82侧髁突）资料纳入研究，其中男性10例，女性31例，年龄为12~30（19.7±4.4）岁。获取治疗前后6~12个月的锥形束CT图像。根据髁突轴位、矢状位及冠状位影像中“双线征”数目定性评价髁突骨改建，将82侧髁突分为无改建组（0个“双线征”）、部分改建组（1~4个“双线征”）和显著改建组（5~6个“双线征”）3组。应用锥形束CT数据进行髁突骨改建的三维定量测量。采用基于人工预标注结合分水岭算法的半自动分割方法分别对治疗前后的锥形束CT影像进行分割，重建颞下颌关节髁突的表面模型，应用基于距离图的初始配准和基于灰度信息的二次配准，将治疗前后的髁突图像配准重叠后髁突和髁头的体积差定量反映髁突骨改建程度。 结果:二维定性评价的 Kappa值为0.66~0.87。三维定量测量髁突及髁头体积的同一研究者组内相关系数（intraclass correlation coefficient，ICC）值分别为0.998和0.941，不同研究者组间ICC值分别为0.999和0.942。治疗后髁突和髁头的体积较治疗前增加量分别为（41.7±90.2） mm3和（62.8±70.9） mm3。82侧髁突中无改建组21侧、部分改建组20侧，显著改建组41侧。显著改建组治疗后较治疗前髁突和髁头体积增加量均为最大，部分改建组次之，无改建组最小（ P<0.05）。 结论:三维定量测量评价髁突骨改建程度的方法一致性和可靠性良好，定量变化值可以反映不同程度的髁突骨改建，其中将髁头作为感兴趣区计算的体积变化量更敏感。

2019年1月至2020年12月，我中心使用术中虚拟影像融合技术辅助指导完成15例各类介入瓣膜手术，包括心脏主动脉瓣手术6例、二尖瓣3例、三尖瓣4例、肺动脉瓣2例，介入瓣膜手术入路涵盖股动脉途径、心尖途径、股静脉途径和右心房等常见入路途径。术前常规使用门控全心动周期心脏三维CT扫描获取心脏三维的解剖信息，使用Valve-ASSIST软件包对CT血管造影图像进行分析，术中将三维CT数据正确地投射到二维荧光成像上。对重建后的三维图像使用专用工作站的图像融合软件进行2D实时透视图像与3D进行叠加，并进行实时校对，完成2D-3D影像实时融合。然后在虚拟影像融合技术的辅助下完成手术。术中全部成功完成术前三维CT扫描影像和术中透视二维影像融合重建，虚拟影像随着术中透视角度和手术介入导管床的移动而自动移动，实时指导介入瓣膜手术的进行，置入成功率100%。术中无介入瓣膜移位，无严重并发症，术后患者恢复良好，全部顺利出院。虚拟影像融合技术可以方便术中心脏解剖定位，缩短手术时间，进一步提高介入瓣膜手术安全性。

目的:研究VERO系统的锥形束CT（CBCT）对非小细胞肺癌（NSCLC）患者体部立体定向放射疗法（SBRT）治疗中图像引导的准确性和摆位误差。方法:回顾性分析2017年1月至2018年12月浙江省丽水市人民医院80例NSCLC患者的临床资料，通过与四维呼吸相关锥形束CT（4DCBCT）重建最大密度投影和平均密度投影的CT图像，据其绘制肿瘤轮廓获得内在靶体积（ITV）；通过比较手动ITV配准与CBCT上运动-模糊肿瘤来确定平移和旋转肿瘤定位误差，同时通过机器人定位床及环形旋转进行校正，校正之后对CBCT进行验证以评价残余误差。结果:初始设置的平均三维矢量位移明显大于六维自动校准后位移［（6.8 ± 2.1） mm比（1.5 ± 0.5） mm］，差异有统计学意义（ P<0.01）；94.0%（425/452）的旋转误差≤ 3°；若无图像引导，则基于ExacTrac的立体定位需要左-右方向6.6 mm，上下方向9.8 mm，前后方向6.5 mm；六维校正残留误差后三个方向的安全边界分别降低至3.0、3.2和3.1 mm。 结论:使用ITV-CBCT匹配技术和VERO系统的自动六维校正的在线图像引导能够降低NSCLC患者SBRT治疗中的摆位误差，提高肿瘤定位的准确性。

目的:探讨使用U-Net深度学习网络对MRI表观扩散系数（ADC）图像中前列腺癌（PCa）自动分割及定位的可行性。方法:回顾性搜集2017年6月1日至2019年3月31日北京大学第一医院因临床怀疑PCa拟行前列腺穿刺的男性患者的临床和影像资料。共纳入245例患者，根据病理结果将所有患者分为PCa组（ n=184）与非PCa组（ n=61），并随机分为训练集（PCa 129例，非PCa 19例）、验证集（PCa 18例，非PCa 3例）和测试集（PCa 37例，非PCa 39例）。由1名放射科医师依据病理结果在ADC图上勾画PCa癌灶，并通过前列腺腺体分割模型将测试集前列腺腺体自动划分6分区。经过前列腺腺体自动分割等预处理后，采用U-Net深度学习网络进行PCa分割模型的训练。以医师标记结果为金标准，用Dice相似系数（DSC）评价AI模型对测试集PCa癌灶的分割效果。并分别以患者及病灶为单位评价模型对PCa的检出效能，以6分区法评价模型对癌灶自动定位的准确性。 结果:测试集中，医师标注癌灶51个，最大径线为（1.9±0.7）cm，6分法癌灶分区456个（PCa区122个、非PCa区334个）。以病灶为单位，AI模型对测试集PCa的分割DSC为（70.2±21.7）%，检出癌灶的灵敏度94.1%（48/51）。以患者为单位，AI模型检出PCa患者灵敏度为97.3%（36/37），特异度为66.7%（26/39），准确度为81.6%（62/76）。AI模型对PCa癌灶定位分区的准确度为90.8%（414/456），对癌区检出的灵敏度为95.1%（116/122），特异度为89.2%（298/334）。结论:U-Net深度学习模型对MRI ADC图像中PCa的检出具有较高的灵敏度，对PCa 6分区定位具有较高的准确度，预测结果可自动填写入结构化报告，进一步提高了临床工作效率。

目的:探讨不同觉醒状态下高频振荡(HFO)的分布特点，明确其与致痫区的关系。方法:前瞻性纳入2023年1—6月首都医科大学附属北京天坛医院神经外科学中心收治的药物难治性癫痫患者。所有患者均行立体脑电图(SEEG)监测，分别选取清醒期及非快速动眼睡眠期(NREM)的发作间期脑电图，通过自动检测算法进行HFO分析，分为涟波(R)和快速涟波(FR)。对比分析发作起始区(SOZ)及非SOZ区清醒及睡眠状态的HFO发放频次和HFO高发放导联数目的差异，同时观察HFO的空间分布与致痫区的关系。结果:共纳入17例患者，置入电极数量为(11.6±0.5)根(8～14根)，有效导联数量为(100.1±4.2)个，SOZ导联数量为(18.0±2.2)个。与非SOZ区比较，SOZ区R发放频次在清醒[分别为(6.93±1.35)次/min、(1.63±0.41)次/min]及睡眠[分别为(12.13±1.65)次/min、(3.52±0.75)次/min]状态下均明显增高，差异均有统计学意义(均 P<0.01)；SOZ区FR发放频次在清醒[分别为(5.29±1.92)次/min、(0.14±0.03)次/min]及睡眠[分别为(6.05±1.71)次/min、(0.30±0.07)次/min]状态下，也均明显高于非SOZ区(均 P<0.05)。进一步分析上述数据显示，睡眠期HFO发放频次总体高于清醒期。在SOZ区，睡眠期R发放频次明显高于清醒期( P<0.001)，而FR发放频次增加不明显( P＝0.613)；在非SOZ区，R及FR发放频次均为睡眠期高于清醒期，差异均有统计学意义(均 P<0.05)。与清醒期比较，睡眠期R[分别为(13.06±2.27)个、(4.59±0.21)个]及FR[分别为(9.88±1.70)个、(4.59±0.21)个]的高发放导联数量均明显增多，差异均有统计学意义(均 P<0.01)。SOZ区导联R在清醒期有(67.4±5.5)%分布于HFO分布区，睡眠期为(69.8±5.8)%；FR则分别为(68.1±5.8)%、(71.1±5.6)%，清醒及睡眠状态下，SOZ区HFO稳定发放。 结论:SEEG监测显示，药物难治性癫痫患者在睡眠期HFO发放频次明显高于清醒期，睡眠期HFO分布范围明显增加，清醒及睡眠状态下，SOZ区导联多为HFO高发放导联；清醒期与睡眠期HFO在辅助定位致痫区中价值相似。

在临床护理工作中，腹部皮下注射药物时，需对注射部位进行规律轮换。但由于不规范注射，同一部位会出现反复注射的现象，导致局部出现硬结、红肿、皮下脂肪增生等不良反应，增加患者痛苦，降低用药依从性，影响治疗效果。目前常用的注射衣、定位带，需穿脱佩戴，操作不够简便，同时不便于携带、清洗消毒。此外有注射定位卡、定位尺，不能自主更换部位，需反复记忆及交接注射部位，增加工作量。因此，笔者设计一款自动投影腹部注射定位笔，现报道如下。