宋双
- 作品数：2 被引量：3H指数：1
- 供职机构：合肥市第一人民医院更多>>
- 相关领域：医药卫生更多>>
- 基于深度学习方法的放疗患者摆位误差预测被引量：2
- 2020年
- 目的为了实现对放疗患者日常摆位误差的准确预测,优化锥形束计算机断层扫描(cone beam computed tomography,CBCT)使用频率,确保患者摆位误差处在允许范围内的同时尽可能减少其承受的额外辐射剂量,本研究基于深度学习方法能够对复杂体系进行预测的能力,构建了一种深度全连接神经网络。方法选取20名头颈部肿瘤患者累积共76次CBCT扫描结果作为研究对象。首先,根据文献调研及临床实践经验,确定患者日常治疗时的摆位误差受到不同技术人员的工作经验、患者体型、固定膜的松紧程度、靶区位置、靶区大小及形状等因素的影响,且与患者前三次治疗时的摆位误差相关性较强,因此针对患者每次CBCT扫描得到的摆位误差,从患者的治疗记录及患者CT图像中获得相关信息,得到467个特征值作为深度学习的输入值,以三个方向上最大摆位误差的分类作为深度学习的输出值,将每次摆位误差的最大值以3 mm为标准分为两类,作为深度学习的目标值。然后,将研究数据按7∶3的比例随机划分为训练集和验证集,通过训练集训练深度神经网络,再使用验证集对神经网络进行初步评估。在完成深度神经网络的训练后,将正在治疗中的新患者的数据作为测试集,使用训练好的神经网络预测新患者的摆位误差大小,并与实际结果对比,评估其准确率。最后,进行重复实验,判断神经网络的预测结果是否具有可重复性。结果本研究构建的深度神经网络对患者摆位误差的预测准确率可以达到86%,能准确预测患者摆位误差大于3 mm的情况,且预测结果的可重复性好。结论基于深度学习方法可以较准确地预测放疗患者日常摆位误差的最大绝对值是否大于3 mm,为优化CBCT扫描频率提供了可靠依据,有助于提高放疗疗效,减轻放疗副反应,具有良好的临床应用价值。
- 高翔宋双张伟陈妙然夏宇曹征
- 关键词：放疗摆位误差锥形束CT
- 医用直线加速器感生放射性分析被引量：1
- 2016年
- 目的:通过对两台医用直线加速器进行感生放射性强度测量,分析影响感生放射性强度的各种因素。方法:当医用直线加速器处于不同能量、不同射野、不同规格限光筒的条件下,利用射线巡检仪,对照射300MU后的机头中心轴处所产生的感生放射性强度进行测量,最后对测量的数据进行比对分析。结论:医用直线加速器感生放射性强度与射线能量和冷却时间均有关;医用直线加速器感生放射性强度与射野大小和限光筒大小均有关;在同等照射条件下,不同厂家的医用直线加速器,其所产生的感生放射性强度不同。
- 宋双
- 关键词：医用直线加速器感生放射性照射剂量巡检仪中心轴
