首页期刊导航|中国医学物理学杂志
期刊信息/Journal information
中国医学物理学杂志
中国医学物理学杂志

胡逸民

双月刊

1005-202X

yxwl@263.net.cn

020-61648280

510515

广州市同和南方医科大学生物医学工程学院

中国医学物理学杂志/Journal Chinese Journal of Medical PhysicsCSCDCSTPCD北大核心
查看更多>>本刊是国际医学物理学组织(ZOMP)的成员——中国医学物理学会会刊,是国内唯一全面涉及医学物理学各分支学科领域、国内外公开发行的专业性学术双月刊。读者对象是各大医院从事医学物理及相关人员、广大从事医学物理学学科研究的教学工作者以及医学物理学、生物物理学、生物工程学、医学和应用物理学等专业的工作者及博士、硕士研究生。
正式出版
收录年代

    边缘场存在时磁共振图像引导质子治疗中束流轨迹校正与剂量分布

    李国栋王明薛景硕董浪...
    661-666页
    查看更多>>摘要:目的:研究磁共振图像引导质子治疗中边缘场存在时束流轨迹的校正和校正前后机体中剂量变化。方法:使用开源的治疗计划软件matRad对脑肿瘤、肝脏肿瘤、前列腺癌病例进行计划设计,并在蒙特卡罗模拟工具包TOPAS中进行模拟研究,计算质子剂量分布。建立一种适用于三维磁场的质子束轨迹校正模型,并基于此开发一个束流轨迹校正算法。分析边缘场存在时,质子布拉格峰的偏转情况。对边缘场存在时的3种肿瘤治疗计划模拟并进行剂量校正,使用γ分析法评估校正效果,定量分析校正后靶区和危及器官中的剂量变化情况。结果:磁场的扰动会使质子束轨迹发生横向偏转,而边缘场的存在会显著地增加这一影响,且随束流能量的增加而增加。边缘场存在时,对脑肿瘤、肝脏肿瘤和前列腺癌治疗计划进行校正,在3%/3 mm标准下靶区γ通过率分别为94。844%、92。054%、97。863%,校正后体内的总剂量分别增加2。8%、2。5%和1。5%,增加的剂量主要由入射质子贡献。结论:在磁共振图像引导质子治疗中,应该考虑边缘场带来的影响。校正后入射质子束能量的增加会导致体内总剂量的增加,由于束流轨迹仍然存在曲率,在不同危及器官中剂量的变化不同。

    质子治疗磁共振图像引导边缘场束流轨迹校正

    利用基于图像配准的深度学习方法提高磁共振引导前列腺癌放疗自动勾画精度

    王云祥杨碧凝刘宇翔朱冀...
    667-672页
    查看更多>>摘要:目的:改进在线磁共振图像中前列腺靶区和危及器官的自动勾画性能,提高磁共振引导前列腺癌在线自适应放射治疗的效率。方法:对40例接受磁共振引导在线自适应放射治疗的前列腺癌患者进行回顾性研究,其中训练集25例、验证集5例、测试集10例。将模拟定位图像与相应勾画信息和在线磁共振图像进行配准后输入深度学习网络,实现对磁共振图像的自动勾画,并与形变配准方法和单MR输入的深度学习方法进行比较。结果:本文方法的自动勾画准确性整体优于形变配准方法和单MR输入的深度学习方法,临床靶区、膀胱、直肠和左、右侧股骨头的平均Dice相似性指数分别达0。896、0。941、0。840、0。943和0。940。结论:本文方法能有效提高磁共振引导前列腺癌在线自适应放射治疗中自动勾画的准确性和效率。

    前列腺癌磁共振引导在线自适应放射治疗图像配准深度学习自动勾画

    基于LQ模型的原发性肝癌立体定向放射治疗剂量学实验

    万福莺周凌宏
    673-677页
    查看更多>>摘要:目的:探讨肝癌立体定向放射治疗(SBRT)的剂量学效应是否符合线性二次(LQ)模型。方法:选取体外培养的人肝癌细胞株HepG2和Hep3B,给予生物有效剂量(BED)照射(6、8、10、12、14 Gy)。照射分割方式包括单次照射(模拟SBRT)和分次照射3次、5次(模拟IMRT)。检测辐照后存活分数反应不同分割方式的损伤效应;绘制生存曲线,观察不同分割方式对细胞增殖的影响;辐照后细胞划痕实验,观察不同分割方式对细胞侵袭和迁移能力的影响。结果:LQ模型在肝癌SBRT放疗的应用体外验证中出现明显的分离效应。对于HepG2细胞和Hep3B细胞,当BED<12 Gy(α/β=10 Gy)时,不同分割方式在损伤效应、增殖能力、侵袭能力上未显示出明显差异,SBRT符合LQ模型;当BED≥12 Gy时,单次分割相对于多次分割,显示出更高的损伤效应,即SBRT损伤效应高于IMRT。结论:SBRT在肝癌中适用LQ模型具有一定的剂量区间,超过该区间损伤效应高于LQ模型预测结果。

    肝癌线性二次模型剂量分割立体定向放射治疗

    胸壁补偿膜厚度及患者体型特征对乳腺癌调强放疗摆位误差和剂量学的影响

    刘玉平张震王瑜常娟娟...
    678-682页
    查看更多>>摘要:目的:探讨胸壁补偿膜厚度及患者体型特征对乳腺癌患者手术后接受调强放疗治疗的摆位误差及放疗剂量的影响。方法:采用前瞻性研究方法,选取2021年1月至2023年6月阜阳市肿瘤医院肿瘤放疗中心治疗的103例乳腺癌患者,对患者进行锥形束CT检查,分析患者的体质量指数(BMI)、肿瘤位置、胸围、患侧乳腺体积对其摆位误差的影响,分析不同厚度的补偿膜对患者靶区、肺部、心脏、脊髓的放射剂量的影响。结果:不同BMI、不同患侧分布的乳腺癌患者在左右方向上的摆位误差无统计学意义(P>0。05);胸围≥89。0 cm、患侧乳腺体积≥650 cm3患者的左右方向摆位误差大于胸围<89。0 cm、患侧乳腺体积<650 cm3患者(P<0。05)。不同患侧分布的乳腺癌患者在上下方向上的摆位误差无统计学意义(P>0。05);BMI≥23。1 kg/m²、胸围≥89。0 cm、患侧乳腺体积≥650 cm3患者的上下方向摆位误差大于BMI<23。1 kg/m²、胸围<89。0 cm、患侧乳腺体积<650 cm3患者(P<0。05);不同BMI水平、不同胸围、不同乳腺体积、不同患侧分布的乳腺癌患者在前后方向上的摆位误差无统计学意义(P>0。05)。左侧乳腺癌病灶患者采用0。5 cm补偿膜和1。0 cm补偿膜的放射治疗计划靶区(PTV)D95%、PTV靶区D5%、左侧肺部V20%、心脏V30%、心脏平均剂量(Dmean)、脊髓最大剂量(Dmax)、机器跳数(MU)、均匀性指数(HI)测定值比较,差异无统计学意义(P>0。05);采用0。5 cm补偿膜患者的适形度指数(CI)值低于采用1。0 cm补偿膜的乳腺癌患者(P<0。05),右侧乳腺癌病灶患者采用0。5 cm补偿膜和1。0 cm补偿膜的PTV靶区D95%、PTV靶区D5%、右侧肺部V20%、脊髓Dmax、MU、CI、HI测定值比较,差异无统计学意义(P>0。05)。结论:对于乳腺癌调强放疗患者,BMI、胸围、患侧乳腺体积均与摆位误差有关,采用0。5 cm和采用1。0 cm胸壁补偿膜均可以用于术后放疗,对放疗剂量和加速器跳数影响不大。

    乳腺癌胸壁补偿膜厚度体型特征调强放疗摆位误差放疗剂量

    特定密度的3D打印补偿膜在乳腺癌放疗中的临床应用

    雷金艳曹潘潘张倩李建锋...
    683-689页
    查看更多>>摘要:目的:探究特定密度的3D打印补偿膜在乳腺癌放疗中的临床应用,并评估其对剂量分布和放疗摆位的影响。方法:随机选取行调强放疗的乳腺癌切除术后患者40例,使用3D打印补偿膜与常规补偿膜各20例,均采用发泡胶仰卧位固定。基于室内激光和体表标记进行常规摆位,每日Catalyst HD光学体表引导结合每周一次CBCT验证。记录不同补偿膜下的绝对剂量、患者皮肤表面剂量、手术切口、计划布野、靶区剂量(VCTV 50 Gy、VPTV 50 Gy)和危及器官受量,并计算适形度指数和均匀性指数;同时,记录患者的CBCT及Catalyst HD摆位误差。结果:不同补偿膜下的绝对剂量差异无统计学意义(P>0。05),3D打印补偿下的皮肤表面剂量显著高于常规补偿(P<0。05),二者分别为(54。83±0。44)Gy和(54。43±0。51)Gy。使用3D打印补偿膜的患者较常规补偿膜的适形度指数更高,二者分别为0。69±0。04和0。65±0。02。基于不同补偿膜,VCTV 50 Gy差异无统计学意义(P>0。05),3D打印补偿膜的患者VPTV 50 Gy略低于常规补偿膜,且危及器官受量更低(P<0。05),心脏Vmean分别为9。68%±3。24%和11。43%±3。60%。3D打印补偿膜的患者中,计划布野及手术切口对靶区剂量均存在影响,不包内乳的靶区剂量较包内乳更大(P<0。05)。当布野不包内乳时,不同手术切口仅对VPTV 50 Gy存在影响,且横梭形较斜竖形切口的VPTV 50 Gy更高(P<0。05),二者分别为95。58%±0。51%和95。44%±0。71%。3D打印与常规补偿膜的光学监测误差仅在左右方向存在差异,分别为(0。08±0。57)cm和(-0。15±0。46)cm(P<0。05)。结论:与常规补偿膜相比,3D打印补偿膜可提高剂量分布和光学监测误差;同时3D打印补偿膜下的手术切口和计划布野对靶区剂量均存在一定影响。

    乳腺癌3D打印补偿膜CatalystHD剂量分布

    基于隐式退化模型的磁共振图像超分辨重建网络

    刘环宇郭海鹏刘晓东李晗...
    690-701页
    查看更多>>摘要:对于使用算法提升磁共振(MR)图像分辨率的研究,现有方法多停留在跨尺寸、同尺寸有监督的超分辨算法研究,提出一种基于隐式退化映射模型的MR图像超分辨重建网络SG-Diffusion,通过掩码自编码器隐式建模MR图像的退化过程,减小实验构建数据集与实际场景下MR图像的域差距,并基于隐式退化模型构建样本对,训练得到基于自引导扩散模型的MR图像重建网络,从而实现无监督同尺寸MR图像的空间分辨率提升。在fastMRI数据集的4倍加速采样脑部MR图像超分辨实验结果显示,本文提出的基于隐式退化模型的MR图像超分辨重建网络能够有效提升退化MR图像的空间分辨率,同时与基于显示退化模型的图像退化重建方法相比,本文提出的SG-Diffusion方法具有更好的重建效果。

    脑部磁共振图像超分辨扩散模型

    基于改进DeepLabV3+的囊型肝包虫病超声图像分割算法

    米吾尔依提·海拉提热娜古丽·艾合麦提尼亚孜李莉严传波...
    702-709页
    查看更多>>摘要:目的:将基于改进DeepLabV3+的图像语义分割算法应用到囊型肝包虫病超声图像处理中,实现肝包虫病病灶的自动分割与检测,提高临床诊断效率。方法:本研究采用了DeepLabV3+图像语义分割网络为基础方法,并对其进行了以下改进。首先,为解决DeepLabV3+图像语义分割方法计算复杂度高,内存消耗大,难以在计算能力有限的嵌入式平台上部署,在提取图像特征信息时难以充分利用多尺度信息等问题,以MobileNetV2替换模型的原主干网络Xception,获得轻量级的模型框架。其次,将高效通道注意力应用于底层特征,降低计算复杂度,提高目标边界的清晰度。最后,将Dice Loss引入模型中,缓解模型更关注背景区域,而忽略了包含目标的前景区域等问题。结果:在自建囊型肝包虫病VOC2007数据集5种病灶类型上进行验证,实验结果表明,改进模型的平均交并比和平均像素精度分别达到73。8%和83。5%,能够预测更精细的语义分割结果,有效地优化模型复杂度和分割精度。

    囊型肝包虫病深度学习DeepLabV3+MobileNetV2高效通道注意力

    基于图像处理的柔性穿刺针多种运动轨迹模型建立与比较

    白辉全高德东宋艳青
    710-715页
    查看更多>>摘要:为了准确测量针穿刺过程中柔性穿刺针的运动轨迹,提出一种基于图像处理的柔性穿刺针运动轨迹模型建立方法。通过图像采集系统采集穿刺实验过程中的动态图像,采集动态图像借鉴图像处理形态学技术提取柔性穿刺针在穿刺实验过程中的针尖位置坐标。根据提取的针尖数据采用最小二乘法进行曲线拟合,建立二阶多项式模型、指数函数模型、自行车模型。通过分析不同模型的优度指标、残差及残差平方和,认为二阶多项式模型更优于其余两种模型,为柔性穿刺针运动轨迹模型的最优解。

    针穿刺形态学最小二乘法曲线拟合残差最优解

    基于Attention U-Net的乳腺X线图像微钙化检测模型的临床应用

    孙晓琪蔡思清任艳楠
    716-723页
    查看更多>>摘要:目的:通过开发基于Attention U-Net的乳腺X线图像微钙化检测模型,实现微钙化的高效率检出,并探究不同性质钙化、不同乳腺密度对该深度学习模型微钙化检测性能的影响。方法:回顾性分析接受乳腺常规X线检查的347例患者的694幅图像。通过低年资医师独立阅片,高年资医师审核的方式,建立微钙化检出的参考标准。进行神经网络训练,建立深度学习模型。以钙化面积和数量分别计算,并采用精确率、召回率、F1分数、交并比等指标评估微钙化检测性能,分析不同性质钙化(良性vs恶性)、不同乳腺密度(a+b类vsc+d类)对深度学习模型微钙化检测性能的影响。结果:深度学习模型对微钙化检测的精确率为85。12%±18。39%(以钙化面积计算)和76。72%±19。85%(以钙化数量计算);召回率为78。18%±19。25%(以钙化面积计算)和85。12%±18。39%(以钙化数量计算);交并比为68。29%±21。39%(以钙化面积计算)和67。13%±23。84%(以钙化数量计算);F1分数为78。96%±17。70%(以钙化面积计算)和77。65%±9。37%(以钙化数量计算)。深度学习模型在不同钙化性质(良性vs恶性)中的精确率、召回率、交并比、F1分数之间差异均无统计学意义(P>0。05),在不同乳腺密度(a+b类vs c+d类)中对微钙化检测的精确率、召回率、交并比、F1分数之间差异无统计学意义(P>0。05)。结论:基于Attention U-Net的乳腺X线图像微钙化检测模型能够对乳腺微钙化进行有效的检测、有助于乳腺微钙化的定量研究,同时该模型稳定性强,钙化性质及乳腺密度对该模型的检测性能无影响。

    乳腺X线图像微钙化人工智能乳腺密度

    三空间注意力的残差U-Net在视网膜血管分割应用

    杭益柳张琼邱建林杨雨薇...
    724-733页
    查看更多>>摘要:针对视网膜图像末端微小血管对比度低、分割不精确问题,提出一种融合多层次残差与三空间注意力机制的U型网络用于视网膜眼底血管分割。该网络在编码部分为了减少图像特征的丢失,引入原始图像后添加多层次残差模块。此外,为防止网络深层产生梯度弥散与特征数据冗余问题,在残差模块中进一步加入批量归一化与Dropout功能。在解码部分,采用三空间注意力机制来赋予类原始图像、下采样图像和上采样图像特征不同的权重,以增强特征纹理和位置信息,并实现微小血管的精确分割。实验结果显示,在公开的彩色眼底图像数据集上,与现有算法相比,本文算法的准确率、特异性、灵敏度和AUC分别为0。985、0。991、0。829和0。985,与金标准分割结果进行对比得到的血管图具有重要的临床参考价值。

    视网膜血管深度学习多层次残差三空间注意力U-Net