宋婷
- 作品数：14 被引量：40H指数：4
- 供职机构：南方医科大学生物技术学院更多>>
- 发文基金：国家自然科学基金广东省自然科学基金广州市科技计划项目更多>>
- 相关领域：医药卫生自动化与计算机技术更多>>
- 三种智慧放疗计划预测模型的性能评价被引量：1
- 2020年
- 目的比较三种智慧放疗计划预测模型的精度与泛化鲁棒性,为模型选择提供依据。方法收集45例前列腺癌和25例鼻咽癌临床放疗计划,运用Z、L、S模型预测前列腺癌中膀胱和直肠、鼻咽癌中左右腮腺的剂量体积直方图(DVH)。应用预测DVH与临床DVH曲线下面积的差别(|DVH预测-DVH临床|)评价预测误差,误差越小则预测精度越高。在单个危及器官(OAR)上比较3种预测模型的精度,并在不同OAR中计算各模型预测精度的标准差以评价和比较模型的泛化鲁棒性。结果对于膀胱和直肠,L模型的预测误差(0.114和0.163)显著大于Z和S模型(≤0.071,P<0.05);对于左腮腺,S模型的预测误差(0.033)与Z和L模型相近(≤0.025,P>0.05);对于右腮腺,S模型的预测误差(0.033)显著大于Z和L模型(≤0.028,P<0.05)。在不同OAR上,S模型的预测精度标准差比Z、L模型小(分别为0.016、0.018和0.060)。结论在前列腺癌膀胱和直肠的DVH预测中Z和S模型的精度较高,而在鼻咽癌左右腮腺中Z和L模型较高,在不同OAR上S模型的泛化鲁棒性相对较好。
- 吴艾茜李永宝亓孟科贾启源郭芙彤陆星宇刘裕良周凌宏宋婷陈超敏
- 关键词：放疗计划曲线下面积危及器官鼻咽癌腮腺
- 基于多任务学习方法的单模多器官三维剂量分布预测研究被引量：2
- 2019年
- 目的构建可同时预测多个器官三维剂量分布的统一模型,自动学习多器官间几何解剖结构对其沉积剂量的影响。方法收集同一肿瘤类型临床放疗计划,以多个危及器官的各体素为研究对象,其沉积剂量为剂量学特征,采用可学习不同任务间关系的正则化多任务学习方法,建立器官间的任务关系矩阵,构建器官间几何结构与剂量分布的关联。实验以15例鼻咽癌病例的IMRT计划所涉及的危及器官脊髓、脑干和左右腮腺为研究对象建立单模多器官关联,计算其体素预测剂量与临床计划剂量的相对百分误差,研究方法的可行性。结果10例鼻咽癌IMRT计划用于训练,5例用于测试。测试结果显示单模多器官方法预测精度较高、数据量需求少,其中脊髓、脑干、左右腮腺的平均体素相对处方剂量百分误差分别为(2.01±0.02)%、(2.65±0.02)%、(2.45±0.02)%和(2.55±0.02)%。结论提出一种可在同一模型中预测多个器官剂量的单模多器官模型,该模型在提高预测精度的同时避免多次的单器官建模,为实现智能计划设计奠定良好基础。
- 郭芙彤李永宝贾启源亓孟科吴艾茜孔繁图麦燕华宋婷周凌宏
- 关键词：多任务学习调强放射治疗
- 基于不同感受野的鼻咽癌靶区和危及器官自动分割网络研究被引量：1
- 2021年
- 目的研究基于不同感受野的鼻咽癌靶区和危及器官自动分割网络。方法收集100例鼻咽癌患者放疗数据,包含患者CT图像和医生勾画的靶区(GTV)和危及器官。随机选取90例数据作为训练集,另10例作为验证集。首先对图像进行中心裁剪、随机垂直翻转和旋转(-30°~30°)数据增强方式,输入至本文提出的MAnet网络进行训练,通过网络参数、浮点运算数、运行内存和Dice系数评估该网络性能;最后将其与当前主流的分割网络DeeplabV3+、PSPnet、UNet++、UNet比较。结果当输入图像为240×240时,MAnet网络参数分别为4个网络的23.20%、20.10%、25.55%和27.11%;其浮点运算数分别为4个网络的50.02%、19.86%、6.37%和13.44%;其运行内存分别为4个网络的40.63%、23.60%、11.58%和14.99%;GTV的分割结果显示MAnet的Dice系数比4个网络分别高出1.16%、2.28%、1.27%和3.59%;GTV与危及器官的分割结果显示MAnet的平均Dice系数比4个网络分别高出0.16%、1.37%、0.30%和0.97%。结论相比于上述4个网络,MAnet参数少、运算浮点数低、运行内存小且Dice系数有所提升。
- 刘裕良李永宝亓孟科吴艾茜陆星宇宋婷周凌宏
- 基于神经网络学习方法的放疗计划三维剂量分布预测被引量：7
- 2018年
- 目的研究利用神经网络建立患者几何解剖结构特性与对应放疗计划三维剂量分布的关联模型,用以新患者的计划剂量学特性预测。方法收集并应用25例固定13野临床前列腺癌IMRT/SBRT计划,处方剂量为50 Gy,以体素为研究对象,提取器官体积、射线角度、器官位置关系等信息,采用神经网络构建剂量预测模型。随机选取20例用于训练,5例用于验证,以验证预测方法的可行性与有效性。结果实验表明,模型训练误差较小,验证样本剂量差异小,预测结果准确。模型训练误差较小,点对点平均剂量差异不高于0.0919±3.6726 Gy,DVH差异不超过1.7%。5例验证样本,剂量差异为0.1634±10.5246 Gy,百分剂量差异在2.5%以内,DVH差异在3%以内。三维剂量分布显示剂量差异较小,预测剂量分布合理。模型对膀胱和直肠预测性能表现较好,股骨头次之。结论本文使用神经网络学习方法成功建立了同肿瘤类型患者几何解剖结构特性和对应计划三维剂量分布之间的关联,不仅可以为计划提供质量标准,还为实现自动计划控制和计划设计奠定基础。
- 孔繁图麦燕华亓孟科吴艾茜郭芙彤贾启源李永宝宋婷周凌宏
- 关键词：调强放射治疗神经网络学习
- 基于约束优先级列表的调强放疗自动多目标优化方法被引量：1
- 2018年
- 本研究提出一种可将临床偏好量化为优先级列表,并在此基础上建立自动调整约束并生成该条件下优化解的IMRT多目标优化方法。本优化方法由计划剂量学约束自动调整机制和约束下的基于体素权重因子的自动FMO模型嵌套组成。剂量约束的自动调整需首先根据临床对各感兴趣区域剂量约束的重视程度提炼为约束优先级列表,后以列表为依据,分步对剂量约束进行调整,使各约束随迭代进行时逐步达到最佳设置状态。剂量约束每调整1次,紧随调用基于体素权重因子的FMO模型,解得满足当前约束的全局最优计划。为验证本优化方法的可行性与有效性,临床收集6例已治宫颈癌IMRT计划,使用本文方法对其重新自动生成优化的计划,并比较原始(临床)计划和优化计划的质量,含计划DVH曲线和临床关注的剂量约束指征项的具体数值,查看其计划质量提高成效。6例临床IMRT计划表明,使用本文方法生成的优化计划较原始计划可得到相当PTV覆盖率、均匀性的同时,有效减少OAR受量,提高计划质量。其中,优化计划直肠的平均V45从原始计划的(41.99±13.31)%降到(32.55±22.27)%;膀胱的平均V45从(44.37±4.08)%降到(28.99±15.25)%。计划优化过程可实现基本自动化。
- 麦燕华孔繁图杨一威李永宝宋婷周凌宏
- 关键词：调强放疗多目标优化
- 基于分段B样条形变配准方法的头颈部伪CT生成研究被引量：1
- 2022年
- 目的:探讨分段B样条形变配准方法在头颈部伪CT(sCT)生成中的应用,以及对sCT生成精度的影响。方法:收集已经进行调强放射治疗的鼻咽癌患者45例,每例计划均包括头颈部T1加权核磁共振成像(MRI)和CT图像。使用3D Slicer软件对MRI和CT图像分别进行分段B样条形变配准、整体B样条形变配准、分段刚性配准和整体刚性配准4种方法配准,比较配准后的MRI图像和真实CT图像的Dice相似性系数(DSC)值。随机选取其中的30例患者作为训练集,15例患者为测试集,将配准后的MRI和CT图像通过pix2pix网络进行模型训练生成sCT,对生成的sCT和真实CT进行平均绝对误差(MAE)、结构相似性系数(SSIM)和峰值信噪比(PSNR)值的比较,分析通过阈值法分割为不同组织(骨头、软组织、空气和脂肪)的MAE值。结果:配准后的MRI和真实CT图像比较,分段B样条形变配准方法的DSC值最优;使用4种配准方法生成的sCT和真实CT图像进行MAE、SSIM和PSNR值比较,分段配准方法比整体配准方法好,B样条形变配准方法比刚性配准方法好。分段B样条形变配准方法的MAE值为(74.783±9.869)HU,SSIM值为0.839±0.032,PSNR值为(28.859±0.957)dB,均比其余几种配准方法好。分段B样条形变配准方法在骨头、软组织和脂肪区域的MAE值较好,但是在空气区域的MAE值较刚性配准方法稍差。结论:分段B样条形变配准方法在头颈部sCT生成精度优于整体和刚性配准方法,该方法可以改善头颈部图像的配准精度,从而改善sCT的生成精度。
- 陈丽霞亓孟科宋婷卢广文
- 关键词：头颈部
- 关于医学生社会实践活动的几点思考被引量：4
- 2007年
- 医学生参加社会实践活动是现代医学教育模式的一种创新。本文结合我校医学生参加社会实践的实际,对医学生开展社会实践活动的意义、存在问题及深化社会实践的对策进行了深入地思考。
- 廖生武侯红莲郭林飞宋婷
- 关键词：医学生社会实践
- 基于深度学习三维剂量分布的头颈部肿瘤远处转移预测研究
- 2023年
- 目的探讨基于三维剂量分布的深度学习模型在预测头颈部肿瘤远处转移中的作用。方法收集来自4个中心共237例接受调强放疗(IMRT)的头颈部肿瘤患者的放疗数据和临床随访数据,其中来自犹太综合医院(HGJ)和Sherbrooke大学医疗中心(CHUS)治疗机构的131个病例作为训练集,来自Montréal大学医疗中心(CHUM)机构的65个病例作为验证集,来自Maisonneuve-Rosemont医院(HMR)机构的41个病例作为测试集。将训练集131例患者的三维剂量分布和GTV轮廓输入DM-DOSE模型进行训练并用验证集数据进行验证,然后用独立的测试集数据进行评估。评价内容包括受试者操作特征曲线下面积(AUC)、平衡准确率、敏感度、特异度、一致性指数和Kaplan-Meier生存曲线分析。结果在头颈部肿瘤远处转移的预后预测方面,联合三维剂量分布和GTV轮廓的DM-DOSE模型实现了最优预后预测性能,AUC为0.924,并且能显著区分远处转移的高、低风险患者(log-rank检验,P<0.001)。结论三维剂量分布对IMRT的头颈部肿瘤患者远处转移具有良好的预测价值,且构建的预测模型能有效预测远处转移。
- 蔡嘉俊李永宝肖帆亓孟科陆星宇周凌宏宋婷
- 关键词：头颈部肿瘤远处转移
- 准直器叶片到位精度对宫颈癌容积调强计划验证的影响被引量：6
- 2022年
- 目的探讨加速器多叶准直器(MLC)叶片到位精度对宫颈癌容积调强放疗计划剂量验证通过率的影响。方法在加速器常规质控基础上,选用Mapcheck和Arccheck两种半导体探测器矩阵在校准MLC叶片到位精度前后,分别测量30例宫颈癌容积调强放疗计划的二维和三维剂量分布。采用3%、3 mm和2%、2 mm标准,计算二维和三维剂量验证的Gamma通过率;并通过3DVH软件进一步将三维剂量分布误差与患者解剖结构建立起相互关系,评估加速器MLC叶片到位精度对宫颈癌容积调强放疗计划通过率的影响。结果MLC校准前后,3%、3 mm标准下Mapcheck测得的Gamma通过率分别为(88.80±1.81)%和(99.25±0.53)%,平均提高10.45%;Arccheck测得的Gamma通过率分别为(87.61±1.98)%和(98.13±0.99)%(P<0.05),平均提高了10.52%。3DVH测得的Gamma通过率分别为(89.87±2.28)%和(98.30±1.15)%(P<0.05),平均提高了8.43%。结论MLC叶片到位精度是影响加速器宫颈癌容积调强放疗计划执行准确性的主要因素之一。通过使用Autocal软件,可以快速、准确的完成多叶准直器的校准工作。
- 梁健梁健朱金汉朱金汉
- 关键词：宫颈癌多叶准直器
- 中国放疗供给侧现状与智能化远程技术研究进展被引量：2
- 2021年
- 癌症严重危害人类健康。放疗是仅次于手术的癌症重要治疗手段,我国每年新发癌症病例中有一半需要放疗的患者因各种原因未得到放疗,对癌症5年生存率的负面影响不容忽视。中国放疗需求与可及性失衡存在人才缺乏、设备不足、资源分配不均、认识不到位、服务水平参差不齐等影响因素。"互联网+"、"物联网+"、人工智能等新理念和新技术正在迅速进入放疗领域,是改善放疗供给侧失衡的有效手段。全文从放疗供给侧现状出发,阐述了放疗供给侧改革的必要性,探索通过智能化远程放疗来解决我国放疗发展不平衡和不充分的矛盾,造福癌症患者。
- 杨一威邓小武尹勇宋婷于晓鹏孔德兴邓金城巩贯忠陈利刘鑫陈媛媛刘鹏徐裕金季永领殷卓敏张婕白雪邵凯南单国平王彬冰刘吉平陈明
- 关键词：人工智能
