周解平
- 作品数：16 被引量：26H指数：4
- 供职机构：中国科学技术大学更多>>
- 发文基金：国家自然科学基金安徽省自然科学基金更多>>
- 相关领域：医药卫生理学一般工业技术自动化与计算机技术更多>>
- 术中放疗设备的研究进展被引量：4
- 2023年
- 术中放疗(Intra-Operative Radiation Therapy,IORT)是指在手术中对患者瘤床、可见肿瘤或易复发转移部位进行单次大剂量照射的放射治疗。鉴于IORT在临床使用中的优势,其在国内外多种癌症的治疗中呈现快速发展的趋势,但国内尚缺乏对现有IORT设备的系统性研究。本文就目前IORT主要厂家的设备和技术在临床应用中的问题进行详细分析和介绍,为各医院和研发单位未来的采购和研发提供建议,推进IORT领域临床和医用设备的进一步发展。
- 齐妙刘君怡周解平陈志裴曦徐榭
- 关键词：术中放疗医用设备
- 新型γ射线锥束聚焦立体定向放射治疗系统
- 2025年
- 立体定向放射治疗因其治疗精度高、分次少等优点广受青睐。ZND-A是一款新型国产的γ射线锥束聚焦立体定向放射治疗系统,本研究分别从ZND-A系统的治疗机架、γ射线模块、准直器模块、六维治疗床模块和图像引导系统模块等方面详细阐述其技术特点,并与国内外主流γ刀设备进行主要参数对比,结合肿瘤评价标准(RECIST 1.1)分析接受ZND-A治疗的患者初步疗效以评估ZND-A的优势和不足,以期为各医院临床使用该型γ刀提供一定参考。
- 李钢范文红王文成张峰陈华峰李军郑华马永江詹必红詹必红吴爱东钱立庭
- 关键词：Γ刀立体定向放射治疗疗效
- 食管癌术后调强放疗剂量预测及自动计划研究被引量：2
- 2023年
- 目的探讨食管癌术后调强放疗自动计划的临床剂量学优势及所构建的3D U-Res-Net深度学习模型的剂量预测精度。方法选取110例中上段食管癌术后调强放疗计划病例,其中90例采用九折交叉验证方式进行深度学习预测模型训练,利用获取的最优模型和自动计划的Auto-Plan引擎分别对余下20例进行三维剂量分布预测和自动计划设计,所得结果与手动调强放疗计划进行剂量学比较。结果3D U-Res-Net预测模型等剂量面平均dice系数大于0.92,平均霍夫距离(HD_(95))为0.58~0.62 cm;预测模型的双肺V_(20)、V_(30)、D_(mean)比手动计划结果略有降低(P<0.05);Auto-Plan的计划靶区D_(2)、D_(50)、D_(mean)、HI指数及双肺V_(30)都明显优于人工计划(P<0.05);三者的三维剂量分布差异性较小,靶区及危及器官DVH曲线吻合度较好。结论Auto-Plan和3D U-Res-Net模型能分别较好地完成食管癌术后IMRT计划的自动设计以及三维剂量分布的精准预测。
- 王文成周解平张朋吴爱林吴爱东
- 关键词：食管癌剂量学调强适形放射治疗
- CT/MRI混合配准方法及其在放疗计划系统中的应用被引量：2
- 2020年
- 旨在研究放疗中图像配准方法,特别是针对放疗中常用的CT、MRI,提出基于混合框架的配准方法,该方法主要包括两个方面:(1)采用掩膜(Mask)提取感兴趣区域、形态学运算等图像处理方法以及CPU多线程并行技术,大幅度提高配准速度;(2)采用由全局到局部的混合配准策略,首先利用基于仿射变换的刚性配准整体配准,以防止图像间偏差过大,在此基础上针对感兴趣区域采用B样条弹性配准,调整局部形变。通过实验表明,采用预处理及加速策略的刚性配准,在保持其精度的情况下,提速比可达10倍,测试结果已达到临床需求;此外,采用基于GPU加速的混合配准策略,其配准速度提至约4 min。
- 吴茜皮一飞周解平
- 关键词：多模态图像配准互信息B样条预处理
- ArcherQA三维剂量验证系统在VMAT计划剂量验证的应用
- 2025年
- 目的应用ArcherQA三维剂量验证系统进行容积弧形调强放射治疗(VMAT)计划剂量验证。方法回顾性收集中国科学技术大学附属第一医院肿瘤放疗科2023年7月至2024年3月196例VMAT治疗计划的ArcCHECK测量验证结果,采用基于快速蒙特卡罗算法的ArcherQA系统进行独立的剂量计算验证。比较ArcherQA与ArcCHECK剂量验证的γ通过率、分析两者的相关性并作线性回归拟合;计算ArcherQA系统检测ArcCHECK测量验证结果阳性的γ通过率阈值及检测的特异性;基于该γ通过率阈值,另选50例VMAT计划作为测试集评价ArcherQA系统对测量验证阳性结果的检测能力。结果VMAT计划的ArcherQA和ArcCHECK剂量验证的平均γ通过率分别为97.28%和96.57%(3%/3mm,TH=10%),两者的相关性系数为0.71(P<0.01),线性拟合系数为0.54(R^(2)=0.51)。当ArcCHECK测量验证的γ通过率设定为90%(3%/2mm,TH=10%)时,则需要调整ArcherQA的γ通过率阈值至94.8%,才能完全检测出ArcCHECK测量验证阳性的VMAT计划,检测的特异性参数为67.8%。基于该γ通过率阈值ArcherQA能完全检测出测试集测量验证的阳性病例。结论ArcherQA系统γ通过确定合适的γ通过率阈值能够快速准确地检测出放疗剂量潜在不精确的VMAT治疗计划,保证治疗精度,提高工作效率。
- 周解平周解平漆仲禹任强裴曦徐榭徐榭
- 关键词：蒙特卡罗
- 基于共轭梯度法的调强近距离放射治疗计划优化方法的研究
- 2025年
- 目的探索共轭梯度法(CG)在调强近距离放疗(IMBT)的治疗计划优化中的应用。方法使用通用蒙特卡罗软件TOPAS进行调强192 Ir源的建模,并计算得到单位剂量贡献矩阵,构建基于加权最小二乘法的目标函数,采用CG算法对其进行求解,从而实现IMBT计划优化。通过5例临床宫颈癌病例进行60°射束展宽的IMBT计划优化验证CG方法的优化效果。采用相关样本Wilcoxon检验进行组间比较,对比45°、60°、90°、120°及180°展宽下的IMBT剂量分布,给出临床宫颈癌IMBT的最优方案。结果使用CG方法完成了5例60°射束展宽的IMBT计划优化,平均用时22.2 s。在保证靶区剂量覆盖的前提下,IMBT计划的膀胱和直肠的平均D_(2)cm^(3)分别为3.66和1.97 Gy,相较于传统近距离计划分别降低0.54和0.69 Gy。5种类型射束展宽的IMBT计划靶区D90%均达到6 Gy且差异无统计学意义(P>0.05),且膀胱平均D_(2)cm^(3)均低于传统近距离计划(P<0.05),其中60°射束展宽效果最佳,降低了0.61 Gy。45°、60°和90°射束展宽下的直肠平均D_(2)cm^(3)相较于传统近距离计划分别降低了0.63、0.54和0.45 Gy,差异具有统计学意义(P<0.05)。结论CG方法能够快速优化出符合临床要求的IMBT计划,且60°射束展宽能够达到较好的优化效果,对未来IMBT在临床中的实现具有一定的指导意义。
- 齐妙刘君怡李仕军常艳奎周解平闫冰程勇吴爱东裴曦徐榭
- 关键词：共轭梯度法
- 基于2D/3D U-plus-net的心脏自动分割被引量：1
- 2021年
- 目的:利用2D/3D U-plus-net提高心脏自动分割的准确率。方法:收集郑州大学第一附属医院60例患者胸部扫描CT图像(数据A)及中国科学技术大学附属第一医院45例患者胸部扫描CT图像(数据B)。基于改进的AlexNet将CT图像分为两类:心脏CT图像和无心脏CT图像。在2D/3D U-net拓扑结构基础上,通过减小网络深度、在长连接中增加新节点、增加解码器中卷积次数的方法,得到改进后的2D/3D U-plus-net;将靠近腹部的心脏CT图像(图像张数由预实验决定)输入3D U-plus-net,其余图像输入2D U-plus-net;采用5倍交叉验证法对模型进行训练及测试。最后通过Dice系数、HD95和平均表面距离(MSD)评估自动分割精度。结果:数据A自动分割的Dice系数为0.941±0.012,MSD为(3.918±0.201)mm,HD95为(5.863±0.561)mm;数据B自动分割的Dice系数为0.934±0.014,MSD为(4.112±0.320)mm,HD95为(6.035±0.659)mm。结论:基于2D/3D U-plus-net的分割方法提高了心脏自动分割准确率。
- 宋宇宸彭昭吴昊天周解平皮一飞陈志裴曦
- 关键词：心脏
- 基于三维残差与U--Net混合网络的调强放疗自动计划方法研究
- 调强放射治疗是目前国内外最主要的放疗技术之一，但其计划设计的优化参数众多，不同计划设计者之间由于经验、技巧以及时间等差异导致治疗计划质量差别较大，严重地影响患者治疗效果。目前主要采用“基于经验的放射治疗”(Knowled...
- 周解平
- 关键词：调强放射治疗
- 文献传递
- 基于深度学习方法的食管癌术后调强放疗三维剂量分布预测被引量：6
- 2022年
- 目的:构建一种深度学习网络模型预测食管癌调强放疗的三维剂量分布。方法:取100例中上段食管癌术后患者的调强放疗计划为研究对象,以患者计划的计算机断层扫描(CT)图像、靶区和危及器官的勾画图像以及适形射束信息作为输入数据,调强适形放射治疗(IMRT)的三维剂量分布作为输出数据,通过搭建的3D U-Res-Net混合网络进行训练并得到预测模型,利用该模型对测试集进行三维剂量预测。采用平均预测偏差-δ、平均绝对误差(MAE)、戴斯相似性系数(DSC)和豪斯多夫距离(HD_(95))评价预测结果的精确性。结果:测试集的平均预测偏差为-0.23%~0.78%,MAE为1.67%~3.07%,两组计划等剂量面DSC均值大于0.91,尤其30 Gy以下的DSC达到0.95以上,平均HD_(95)为0.51~0.73 cm。预测计划的剂量学参数均在临床允许的范围之内且相对剂量偏差小于2%,除靶区D_(2)、脊髓D_(max)、全肺V_(30)差异有统计意义外(P<0.05),其余剂量学参数差别不大。结论:本研究构建的3D U-Res-Net深度学习网络模型可以实现对食管癌术后IMRT三维剂量分布的精确预测。
- 王文成周解平张朋吴爱林吴爱东
- 关键词：食管癌调强放疗
- 基于深度学习的直肠癌术后调强放疗剂量分布预测被引量：5
- 2020年
- 目的建立一种深度学习模型预测调强放疗(IMRT)的三维剂量分布。方法收集直肠癌术后IMRT患者共110例,随机数表法选择其中90例作为训练验证集并作9折交叉验证,剩下20例作为测试集。构建3D U-Res-Net模型,以CT影像、靶区和危及器官(OARs)的解剖结构以及射束信息作为输入,IMRT剂量作为输出训练该模型,并用来预测测试集病例的剂量分布。采用三维剂量分布以及剂量—体积直方图(DVH)剂量参数评估预测精确性。结果在三维剂量分布上,体素剂量的平均预测偏差为-2.12%~2.88%、平均绝对误差为2.55%~5.75%;等剂量面的Dice系数均在0.9以上,平均霍夫距离(HD95)和平均表面距离(MSD)分别0.61~1.54 cm和0.21~0.45 cm。对于DVH剂量参数,除膀胱Dmean(P=0.048)以外,其他剂量学参数差异均无统计学意义(P>0.05)。结论基于3D U-Res-Net模型可以实现直肠癌术后IMRT剂量分布预测,为自动计划设计奠定基础。
- 周解平彭昭王鹏常艳奎盛六四吴爱东钱立庭裴曦
- 关键词：直肠癌调强放疗
