项目名称: 影响容积旋转调强放疗精度的误差因素探测及改进方法研究

项目编号: No.81472807

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 医药、卫生

项目作者: 李光俊

作者单位: 四川大学

项目金额: 64万元

中文摘要: 容积旋转调强放疗(VMAT)治疗时间短、剂量学特征优秀,因而广泛用于肿瘤放疗。但其计划复杂、对设备要求高,因此VMAT质量保证(QA)方法研究是当前热点。我们研究显示,治疗前个体化QA和治疗时机器参数误差监测是VMAT质量检测的有效手段。前期研究中我们已证实,计划复杂性对VMAT治疗精度影响显著,但其具体影响机制尚不清楚。预实验中我们发现:VMAT治疗时机架旋转、MLC叶片到位、剂量输出精度较好,且与VMAT剂量验证结果的相关性较低。据此,我们推测测定计划参数对VMAT的影响机制,改进加速器物理数据模型和放疗计划设计策略是提高VMAT治疗精度的有效方法。我们拟用统计学方法分析大样本VMAT数据,探测计划和机器参数对VMAT剂量验证的影响及机制,提出VMAT加速器物理模型数据改进方法并建立新的VMAT计划设计策略,提高VMAT治疗精度。本研究将为提高VMAT治疗水平提供了新思路和新方法。

中文关键词: 容积旋转调强放射治疗;质量保证;剂量验证;精度;治疗计划设计

英文摘要: Volumetric-modulated arc therapy (VMAT), which has been widely used in cancer treatment, provides a shorter treatment time, higher efficiency of dose delivery and more conformal dose distribution. For the complexity of VMAT plan and the high precision requirements of TPS and linac, the quality assurance (QA) of VMAT is a hotspot at present. Our study shows that patient-specific QA and monitored treatment parameters are valid methods for VMAT QA. We found that the plan complexity affects the precision of VMAT delivery, but the mechanism is not explicit as yet. We also found that gantry rotational, MLC leaf positioning and MU precision are suitable for VMAT. Accordingly, we infer that the mechanism of VMAT for the planning parameter, the improving method for linac physical model in TPS, and the strategy of treatment planning are effective methods for improving VMAT treatment precision. In this study, in order to enhance the VMAT treatment precision, we will analyse the VMAT planning and delivery data, explore the effect of VMAT for the planning and treatment parameters, explore the mechanism, provide a new method to improve the physical model in TPS, and improve the strategy of treatment planning. This study will provide a new line of thinking and method to improve the level of VMAT treatment.

英文关键词: Volumetric-modulated arc therapy;quality assurance;dose verification;precision;treatment planning

成为VIP会员查看完整内容
0

相关内容

【CVPR2022】基于渐进自蒸馏的鲁棒跨模态表示学习
专知会员服务
18+阅读 · 2022年4月13日
基于流线的流场可视化绘制方法综述
专知会员服务
25+阅读 · 2021年12月9日
专知会员服务
31+阅读 · 2021年7月25日
专知会员服务
19+阅读 · 2021年5月4日
专知会员服务
20+阅读 · 2021年4月2日
【KDD2020】基于纳什强化学习的鲁棒垃圾邮件发送者检测
专知会员服务
16+阅读 · 2020年8月16日
基于改进卷积神经网络的短文本分类模型
专知会员服务
25+阅读 · 2020年7月22日
最新《医学图像深度语义分割》综述论文
专知会员服务
94+阅读 · 2020年6月7日
【ACL2020-伯克利】预训练Transformer提高分布外鲁棒性
专知会员服务
19+阅读 · 2020年4月14日
浅谈分辨率对模型影响以及训练方法
极市平台
0+阅读 · 2022年1月19日
基于流线的流场可视化绘制方法综述
专知
0+阅读 · 2021年12月9日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
人脸专集5 | 最新的图像质量评价
计算机视觉战队
27+阅读 · 2019年4月13日
一种小目标检测中有效的数据增强方法
极市平台
119+阅读 · 2019年3月23日
Meta-Learning 元学习:学会快速学习
GAN生成式对抗网络
19+阅读 · 2018年12月8日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Convex-Concave Min-Max Stackelberg Games
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
20+阅读 · 2021年9月21日
Arxiv
23+阅读 · 2020年9月16日
小贴士
相关VIP内容
【CVPR2022】基于渐进自蒸馏的鲁棒跨模态表示学习
专知会员服务
18+阅读 · 2022年4月13日
基于流线的流场可视化绘制方法综述
专知会员服务
25+阅读 · 2021年12月9日
专知会员服务
31+阅读 · 2021年7月25日
专知会员服务
19+阅读 · 2021年5月4日
专知会员服务
20+阅读 · 2021年4月2日
【KDD2020】基于纳什强化学习的鲁棒垃圾邮件发送者检测
专知会员服务
16+阅读 · 2020年8月16日
基于改进卷积神经网络的短文本分类模型
专知会员服务
25+阅读 · 2020年7月22日
最新《医学图像深度语义分割》综述论文
专知会员服务
94+阅读 · 2020年6月7日
【ACL2020-伯克利】预训练Transformer提高分布外鲁棒性
专知会员服务
19+阅读 · 2020年4月14日
相关资讯
浅谈分辨率对模型影响以及训练方法
极市平台
0+阅读 · 2022年1月19日
基于流线的流场可视化绘制方法综述
专知
0+阅读 · 2021年12月9日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
人脸专集5 | 最新的图像质量评价
计算机视觉战队
27+阅读 · 2019年4月13日
一种小目标检测中有效的数据增强方法
极市平台
119+阅读 · 2019年3月23日
Meta-Learning 元学习:学会快速学习
GAN生成式对抗网络
19+阅读 · 2018年12月8日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员