AAA和PDIP算法在非均整模式容积调强放射治疗剂量预测方面的差异

Chinese Journal of Medical Physics(2020)

引用 0|浏览3
暂无评分
摘要
目的:探究各项异性算法(AAA)和射野剂量图像预测(PDIP)算法在非均整模式(FFF)容积调强放射治疗计划治疗前验证γ分析中的差异以及计划复杂程度对这种差异的影响,为临床上基于电子射野影像系统(EPID)的剂量预测算法的选择提供依据.方法:选取能量为6 MV FFF的两种测试野和16例头颈部肿瘤治疗计划,利用PDIP和AAA两种算法分别生成预测数据并与EPID实测数据进行γ分析,统计两种算法在不同γ评判标准下的通过率并计算通过率差异(Deltaγ).计算上述病例每个射野的复杂系数,分析不同标准下两种算法的Deltaγ与复杂系数的相关性;利用γmean、γsd、γ1和γ通过率共同描述γ分布,并分析其与复杂系数间的相关性.结果:当评判标准为3%/3 mm或2%/2 mm时,不同算法下测试射野的Deltaγ较小.当评判标准为1%/1 mm,不同开野的Deltaγ变化明显:射野较小时,PDIP算法的通过率低于AAA;当射野增大到(10×10)cm2时,通过率基本一致;当射野继续增大时,PDIP算法的通过率逐渐高于AAA.全部射野的通过率与评判标准的关系类似:在3%/3 mm标准下,两种算法的结果基本一致;随着标准的提高,两种算法的通过率逐渐下降,二者之间的差异也逐渐明显.复杂系数与Deltaγ、γmean、γsd和γ1为正相关,与γ通过率为负相关.结论:PDIP算法对于有机械臂支撑的EPID的剂量预测更准确;AAA则适用于无机械臂支撑的EPID或机械臂反散射影响较小的射野.当计划复杂程度或评判标准提高时,两种算法的差异也增大.计划复杂程度对FFF计划验证结果的影响是负面的.上述结果提示临床应针对性地选择计划验证工具来确保治疗的安全有效.
更多
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要