放射治療是惡性腫瘤的重要治療手段之一,有超過70%的惡性腫瘤患者需要接受放射治療。放射治療的基本目標是實現放射治療增益比的最大化,即最大限度地將放射線劑量集中到計劃靶區（Planning TargetVolume,PTV）內,在殺滅腫瘤細胞的同時,保護周圍正常組織和危及器官（Organs at Risk,OARs）少受或免受不必要的照射。放射治療的基本流程如下:（1）通過CT、MR等醫學成像儀器獲取患者圖像,由醫生手動勾畫靶區和OARs的輪廓;（2）確定放射治療的處方劑量,通過治療計劃系統（Treatment Planning System,TPS）制定放射治療計劃;（3）治療實施前獲取病人擺位圖像,對病人進行擺位校正。（4）對病人進行治療;如果治療部位受呼吸運動影響,治療過程中還需要對腫瘤的運動進行控制或進行實時跟蹤預測;（5）放療后明確腫瘤控制情況、評估正常組織的放性射損傷,以配合其他治療。臨床放射治療技術日趨成熟,但是仍存在諸多具有挑戰性的難題亟待解決。首先,靶區和OARs需要由經驗豐富的醫生手動勾畫,而人工勾畫效率較低,極度依賴勾畫人員的臨床經驗,且在不同的病人之間存在較大的差... 

【文章來源】：南方醫科大學廣東省

【文章頁數】：124 頁

【學位級別】：博士

【部分圖文】：

圖１－１宮頸癌病人ＨＤＲ治療時的劑量分布圖

２．２方法和材料??２．２．１迭代分割框架??如圖２－１所示，為我們提出基于３Ｄ?ＵＮｅｔ的遞歸分割框架，其包括兩個ｌｅｖｅｌ：??ｌｅｖｅｌ?１的目標是分割出較易分割的ＯＡＲｓ：左右眼球和腦千，確定覆蓋視神經??１９??

ＥｎＵＮｅｔ?ｉｓ?ａｌｓｏ?ｅｍｐｐｌｉｅｄ?ｆｏｒ?ｔｈｅ?ｏｔｈｅｒ?ＯＡＲｓ?ｓｅｇｍｅｎｔａｔｉｏｎ?ｉｎ?ｔｈｉｓ?ｓｔｕｄｙ．?Ｈｏｗｅｖｅｒ，?ｔｈｅｒｅ?ｉｓ?ｎｏ??ｐｒｅ－ｓｅｇｍｅｎｔａｔｉｏｎ?ａｓ?ｏｎｅ?ｏｆ?ｔｈｅ?ｉｎｐｕｔ?ｃｈａｎｎｅｌｓ?ｉｎ?ｌｅｖｅｌ?１?ｓｅｇｍｅｎｔａｔｉｏｎ．??如圖２－３所示為ＥｎＵＮｅｔ中所采用的深度為３的３Ｄ?Ｕ－ｎｅｔ的網絡結構。本??研宄中，ＵＮｅｔ的深度與網絡中使用的池化操作次數相同。網絡結構中的ＦＭｓ??的降米樣和重米樣分別采用ｍａｘ－ｐｏｏｌｉｎｇ和ｕｐ－ｓａｍｐｌｉｎｇ層實現。每個卷積模塊??由兩個序列順序串聯組成，每個序列由３Ｘ３＞＜３卷積、ｂａｔｃｈ?ｎｏｒｍａｌｉｚａｔｉｏｎ、ＲｅＬｕ??函數激活和ｄｒｏｐｏｕｔ組成。Ｂａｔｃｈ?ｎｏｒｍａｌｉｚａｔｉｏｎ［Ｓ３］已被證明可以使ＵＮｅｔ中各層??的權值參數更新更平衡，實現更快速的收斂。Ｄｒ〇Ｐ〇ｕｔ［８４］可有效避免過擬合。本??研究中，深度為ｉ的卷積模塊中的ｄｒｏｐｏｕｔ率如式２－１所示：??ｄｒｉ?＝?２＾－Ｄ＾ｄ＿ｒｍａｘ?（２－１）??２２??

【參考文獻】：
期刊論文
[1]宮頸癌放療中基于精確表面劑量累加的直腸并發癥預測模型[J]. 陳嘉偉,陳海斌,何強,廖煜良,甄鑫.  南方醫科大學學報. 2017(12)

碩士論文
[1]圖像分割和圖像配準在近距離放射治療中的應用研究[D]. 陳海斌.南方醫科大學 2015



本文編號：2908131