目的研究基于PACS的以数字化影像征象分类为模块的教学系统及临床应用。方法在PACS系统中,允许每一权限医生对典型病例图像注释后按影像征象进行归类,然后存储于SQL SERVER 2000服务器中,采用模块化管理方式,归类的影像征象按临床实践要求分析其病理过程、可能的疾病及其鉴别诊断方法。在专业的显示器(或个人计算机)上,通过用户界面输入解剖部位/影像征象即可调阅相关图像进行教学,必要时通过Intranet或Internet实现网络教学。结果系统开放性、稳定性好,影像数据和信息能安全、无损的存储,传输速度快,操作互动性好。结论基于PACS的以数字化影像征象分类为模块的教学系统符合临床实践过程要求,具有直观、实用性强,操作简便,图像安全可靠等优点,便于临床影像教学工作的开展。
目的研究不同扫描视野(FOV)CT图像对乳腺癌根治术后放射治疗中危及器官自动勾画及剂量计算精度的影响。方法使用相同扫描条件在患者模拟定位CT等中心处及扩展扫描射野(eFOV)处建立50、60、70和80 cm FOV的电子密度转换曲线并比较其差异;扫描已知体积的标准模体,比较模体在不同FOV重建图像上自动勾画的差异。简单随机抽样选取2020年1月至2022年6月广东省第二人民医院乳腺癌患者30例,获取不同FOV模拟定位CT图像进行危及器官自动勾画,并与医师的勾画进行比较;基于FOV_(50)图像设计治疗计划,将计划移植到不同FOV重建图像进行剂量计算,比较剂量计算结果的差异。结果以不同FOV重建CT图像建立的电子密度转换曲线基本一致。在等中心处,标准模体随FOV增大,模体勾画体积与实际体积差异增大,最大为6 cm^(3)(4.8%);在自动勾画中,脊髓、气管、食管、甲状腺、健侧乳腺和皮肤的勾画精度随FOV增大而减小(t=-28.43~8.23,P<0.05),基于不同FOV图像的剂量计算比较中,锁骨上淋巴结区域靶区V_(95)、最大剂量和平均剂量,危及器官剂量学的差异无统计学意义(P>0.05);计划靶区覆盖度随FOV增大而减小(最大差异为4.06%)。结论乳腺癌根治术后放疗中危及器官自动勾画应选择FOV_(50)重建图像,电子密度转换曲线应依据eFOV区域电子密度模体影像建立,首选eFOV_(80)的重建图像进行剂量计算。
目的比较三种自动勾画软件(Pinnacle 9.10、LinkingMed和Manteia)勾画上腹部危及器官(OAR)的准确性。方法选取了26例上腹部肿瘤患者,由一名资深的临床医师手动勾画OAR(肝脏、脊髓、双肾、胰腺和胃),并采用三种软件对其进行自动勾画。以手动勾画为金标准,计算并比较三种自动勾画结果的质心偏差(Center of Mass Deviation,DC)、Dice相似性系数(Dice Similarity Coefficient,DSC)、Hausdorff距离(Hausdorff Distance,HD)、包容性指数(Inclusive Index,IncI)和敏感性指数(Sensitivity Index,SI)。采用单因素方差分析评价各项指标的统计学差异,同时比较了三种软件勾画结果的准确性。结果肝、双肾和脊髓的DC、DSC、HD、IncI和SI,LinkingMed和Manteia组与Pinnacle组有统计学差异(P<0.05),inkingMed和Manteia组的勾画效果优于Pinnacle组。对于胃和胰腺的结果,Manteia组优于Lingkingmed组,除了IncI,均有统计学差异。结论对于肝、肾和脊髓,这三种软件均有较好的勾画效果,LinkingMed和Manteia的勾画效果更优于Pinnacle软件。对于胃和胰腺,Manteia的勾画效果优于LinkingMed。
