Dose Verification of Volumetric Modulated Arc Therapy using One and Two Dimensional Dosimeters
目的：验证头颈部肿瘤体积调制式弧形治疗（VMAT）的剂量输送和质量保证。方法：使用计算机断层成像扫描对带有热发光剂量计（TLD）和胶片的成像和放射肿瘤学中心休斯顿（IROC-H）头颈部体模进行成像，并将重建图像传输至pinnacle治疗计划系统（TPS）。在TPS上手动勾画计划靶体积（PTV）、次级靶体积（STV）和危及器官（OAR），制定治疗计划。根据IROC-H处方确定相关器官的剂量限制。采用自适应卷积算法优化治疗计划，提高剂量均匀性和符合性。使用C. C卷积算法进行剂量计算，并使用Varian True Beam直线加速器将治疗计划输送至头颈部体模。通过TLD和GafChromic EBT 2胶片测量体模的辐射剂量。通过分析TPS计算剂量和直线加速器输送剂量的百分比剂量差、等剂量线轮廓和伽马分析，研究了VMAT输送的剂量学性能。测试结果：在TLD的计划剂量和测量剂量之间观察到3.8%的剂量差异百分比，并且通过比较等剂量线轮廓观察到1.5mm的一致距离（DTA）。通过伽马标准3%/3 mm的百分比为良好。结论：VMAT递送用于具有挑战性的头部和颈部放射治疗的剂量测定性能可以使用嵌入在拟人H\&N体模中的TLD和胶片来验证。
2018-05-17 physics.med-ph
Enabling Clinical Use of Linear Energy Transfer in Proton Therapy for Head and Neck Cancer -- A Review of Implications for Treatment Planning and Adverse Events Study
该综述梳理头颈部肿瘤质子治疗中LET的计算方法与临床应用进展，提出整合LET的计划评估、优化及关联工具，为提升治疗效果、降低不良事件提供策略。
2024-10-06 physics.med-ph
A Retrospective Study on the Investigation of Potential Clinical Benefits of Online Adaptive Proton Therapy for Head and Neck Cancer
本研究通过模拟回顾性比较在线与离线自适应质子治疗头颈癌，发现在线方案可改善靶区剂量覆盖或保护危及器官，并减少位置不确定性余量，提示潜在临床获益。
2022-11-03 physics.med-ph
Effect of the Collimator Angle on Dosimetric Verification of the Volumetric Modulated Arc Therapy
由于多叶准直器（MLC）叶片之间的辐射泄漏，在规划体积调制式弧形治疗（VMAT）时，通常需要旋转准直器角度。我们研究了准直器角度对头颈部患者VMAT计划剂量学验证结果的影响。我们研究了10名头颈部患者的VMAT计划。我们为每位患者制定了2套VMAT计划。每组由10个计划组成，准直器角度为0、5、10、15、20、25、30、35、40、45度。第一组中的计划单独优化，第二组中的计划共享30度准直器角度优化。使用2维离子室阵列MatriXX（IBA Dosimetry，Germany）验证了两组计划。通过$γ$指数分析比较计算值和测量值。$γ$指数（2%/2 mm）和（3%/3 mm）的通过率与准直器角度呈负相关。每例患者不同准直器角度的$γ$指数（3%/3 mm）通过率之间的最大差异范围为1.46%~ 5.60%，平均为3.67%。不同准直器角度的通过率有显著性差异（最大为5.6%）。结果表明，准直器角度的大小决定了剂量的准确性。在VMAT计划中选择准直器角度时，这些发现可提供信息。
2015-03-12 physics.med-ph
Anticipatory Digital Twins for Online Head-and-Neck Adaptive Proton Therapy via Foundation-Model Registration
Emory University（埃默里大学）；University of Chicago（芝加哥大学）
本研究提出基于 foundation-model 配准的数字孪生框架，通过跨患者迁移解剖变化合成预测CT，可提升头颈自适应质子治疗的匹配度，无需重复成像。
2026-08-04 cs.AI physics.med-ph
Mapping intratumoral heterogeneity through PET-derived washout and deep learning after proton therapy
提出不确定性感知的深度学习框架，通过质子治疗后PET数据估计洗出参数并映射肿瘤内异质性，显著降低误差，支持剂量验证与治疗个性化。
2025-06-26 physics.med-ph
Patient-Specific Deep Reinforcement Learning for Automatic Replanning in Head-and-Neck Cancer Proton Therapy
Department of Radiation and Cellular Oncology University of Chicago（辐射与细胞肿瘤学系，芝加哥大学）；Division of Environmental and Occupational Health Sciences University of Illinois at Chicago（环境与职业卫生科学系，伊利诺伊大学芝加哥分校）；Department of Radiation Oncology and Winship Cancer Institute Emory University（放射肿瘤学系和Winship癌症研究所，埃默里大学）
提出基于患者特征的深度强化学习框架，通过奖励塑形机制和优先级调整动作空间，在头颈癌质子治疗重规划中实现了优于人工规划的计划质量提升。
2025-08-11 cs.LG physics.med-ph
Ultra-fast treatment plan optimization for volumetric modulated arc therapy (VMAT)
目的：研究一种新的基于孔径的VMAT治疗计划优化算法，实现高质量、高效率的VMAT治疗计划优化。方法：将VMAT优化问题转化为一个大规模的凸规划问题，采用列生成方法求解。我们考虑一个成本函数，包括两个方面，第一个强制执行所需的剂量分布，而第二个保证连续的机架角度之间的平滑剂量率变化。在列生成方法的每次迭代中，首先求解子问题以生成多个可交付MLC孔径，这可能最有效地降低成本函数。随后的主问题，然后解决，以确定在所有当前生成的孔径的剂量率通过最小化的成本函数。这种算法的迭代在所有机架角度处产生一组可递送孔径以及剂量率。结果如下：该算法在5个前列腺和5个头颈部临床病例上进行了初步测试，每个病例都有一个完整的机架旋转，没有任何治疗床/准直器旋转。与相应的共面IMRT治疗计划（前列腺病例9个射野，头颈部病例5个射野）相比，VMAT计划向关键结构输送的剂量要低得多，向靶区输送的剂量更适形。此外，在我们的算法中已经实现了极高的效率。在CPU上仅需5~8分钟（Intel Xeon 2.27 GHz CPU上的MATLAB代码），在GPU上仅需18~31秒（NVIDIA Tesla C1060 GPU卡上的CUDA代码）即可生成此类计划。结论：我们开发了一种基于孔径的VMAT优化算法，该算法可以以非常高的效率生成临床可交付的高质量治疗计划。
2010-05-24 physics.med-ph
The impact of reference isocentre position on set-up errors in head-and-neck image guided radiotherapy
目的：检查和量化头颈部放射治疗中患者定位的摆位误差，并研究选择患者颈部或患者颅骨上的参考等中心对摆位误差大小的影响。材料和方法：使用在线kV 2D/2D匹配获得的设置位置校正自动记录每个治疗部分。分析了2013年和2014年期间在我们诊所的单台治疗机上接受体积调制式弧形治疗（VMAT）的117名患者的3413份治疗记录。在79个治疗计划中，将参考等中心设置为患者颅骨，47个设置为颈部。结果如下：组系统误差在垂直、纵向和横向以及治疗床旋转方向的标准差分别为2.5 mm、2.1 mm、1.9 mm和0.43°（颅骨）和2.5 mm、1.8 mm、1.7 mm和0.49°（颈部）。垂直、纵向、侧向和旋转位置校正的随机误差分别为1.8mm、1.5mm、1.6mm和0.62°（颅骨）和1.9mm、1.6mm、1.5mm和0.60°（颈部）。在不同方向的位置变化被认为是不相关的。结论：在分次间设置误差方面，两种参考等中心设置均未显示出明显的优势。
2023-02-27 physics.med-ph
Does the greater power of pencil beam scanning reduce the need for a proton gantry? A study of head-and-neck and brain tumors
没有台架的质子治疗系统可以更紧凑并且在资本成本方面更便宜，并且因此更可用于更大的患者群体。笔形束扫描和机器人技术的进步会使无机架治疗成为可能吗？在这项研究中，我们探讨了高质量的治疗计划，可以获得没有机架。我们最近表明，质子治疗与患者在一个直立的位置可能是可行的，与一个新的软机器人固定装置和成像，使多个可能的患者在治疗过程中的方向。在这项研究中，我们评估了这种新的治疗几何结构是否可以在没有机架的情况下实现高质量的治疗计划。我们为7名头颈部或脑肿瘤患者创建了笔形束扫描（PBS）治疗计划。每例患者计划两种情况：一种是患者仰卧位时使用机架，另一种是患者直立坐着时使用无机架固定水平射束线。对于治疗计划，报告了剂量体积直方图（DVH）、靶区均匀性指数（HI）、平均剂量、D_2和D_98。对一个计划进行了稳健性分析，设置误差为+/-2.5 mm，范围不确定度为+/-3.5%，有9种情况。与PBS-机架计划相比，大多数PBS-无机架计划具有相似的目标HI和OAR平均剂量，并且在范围不确定性和设置误差方面具有相似的稳健性。双光束扫描提供了足够的功率来提供高质量的治疗计划，而不需要头颈部或脑肿瘤的机架。结合新的定位和固定方法的发展，需要支持这种治疗的几何形状，这项工作表明了进一步开发一个紧凑的质子治疗系统的可行性与固定的水平束线治疗病人坐着和斜躺的位置。
2022-06-26 physics.med-ph
Deep Learning-Based Dose Prediction for Automated, Individualized Quality Assurance of Head and Neck Radiation Therapy Plans
提出用3D Dense Dilated U-Net根据CT、处方和结构轮廓预测剂量，并将其作为参考分布自动筛查头颈部放疗计划中保护不足的OAR。
2023-04-25 physics.med-ph
Optimization of patient-specific range modulators for conformal FLASH proton therapy
目的：一个有前途的方法，使闪存适形质子治疗是被动地降低一个单一的能量层使用患者特定的范围调制器。我们提出了一种创新的方法，直接优化的范围调制器和治疗计划的几何特性，相对于用户定义的约束，类似于国家的最先进的IMPT逆规划。研究方法：本文提出的距离调制器是一种体素化的物体，可以放置在CT中进行剂量计算，简化了仿真流水线。范围调制器的几何特性和PBS斑点的权重都直接相对于使用一阶方法对剂量的约束进行优化。一个修改后的蒙特卡罗剂量引擎被用来提供一个估计的梯度放松的约束相对于海拔值的范围调制器。结果：在头颈部病例中进行评估，与IMPT相比，剂量符合性在逻辑上似乎显著降低。然后，我们证明，这种退化主要来自于使用一个大的范围移位器，因此从物理限制固有的被动退化的光束能量。另一方面，距离调制器的几何形状被证明非常接近于最佳。计算了PBS剂量率，并就FLASH目标进行了讨论。结论：体素化的范围调制器优化与所提出的方法被证明是最佳的头部和颈部的情况下，其特征在于两个相当大的体积，具有不规则的轮廓和可变的深度。优化的几何形状不同于传统的脊滤波器，因为它是由优化器任意设置的。这种范围调制器可以直接添加到CT中进行剂量计算，非常适合3D打印。
2023-03-15 physics.med-ph
An Uncertainty-Guided Digital Twin Framework for Online Adaptive Proton Therapy in Head and Neck Cancer: A Feasibility Study
Emory University（埃默里大学）；Taipei Medical University Hospital（台北医学大学附属医院）；University of Wisconsin（威斯康星大学）；University of Chicago（芝加哥大学）
该研究提出一种不确定性引导的数字孪生框架，利用治疗前解剖预测生成与离线重计划质量相当的在线自适应质子治疗计划，推动头颈部肿瘤治疗向预期性在线适应转变。
2026-10-01 cs.AI physics.med-ph
Validation of a track repeating algorithm for intensity modulated Carbon therapy with GEANT4
快速剂量计算器（FDC）是一种用于质子治疗的蒙特卡罗跟踪重复算法。质子治疗的验证已在先前的工作中得到证实。这种方法可以扩展到离子应用。本文的目的是验证FDC用于碳疗法。我们比较了三维剂量分布和剂量体积直方图（DVH）的FDC计算的碳与一个完整的蒙特卡罗方法，GEANT 4。共讨论19例患者，其中前列腺3例，脑5例，头颈部3例，肺4例，脊柱4例。我们使用伽玛指数技术来分析剂量分布，我们做DVH剂量学分析，一个更直接和信息量的计划系统评估。两个量的FDC计算与GEANT 4一致。本文所讨论的所有病人的γ指数合格率，以1%/1 mm为标准，均在90%以上，以2%/2 mm为标准，均在98%以上，以3%/3 mm为标准，均在99.9%以上，剂量学指标D 02、D 05、D50、D95和D98的百分差值均方根（RMS）分别为0.75%、0.70%、0.70%、0.70%、0.70%和0.70%。0.79%、0.83%和0.76%。所有差异均允许用于临床。
2018-09-17 physics.med-ph
GPU-based ultra-fast direct aperture optimization for online adaptive radiation therapy
在线自适应放射治疗（ART）具有很大的希望，可以通过基于当前患者解剖结构的实时治疗适应性来显著降低正常组织毒性和/或改善肿瘤控制。然而，在线ART临床实现的主要技术障碍，即无法实现治疗重新规划的实时效率，尚未得到解决。为了克服这一挑战，本文介绍了我们的工作，实现了调强放射治疗（IMRT）的直接孔径优化（DAO）算法的图形处理器（GPU）的基础上，我们以前的工作在CPU上。我们将DAO问题描述为一个大规模的凸规划问题，并使用一种称为列生成方法的精确方法在GPU上处理其极大的维数。5个9野前列腺和5个5野头颈部IMRT临床病例，5个\times 5 mm 2射束尺寸和2.5 \times 2.5 \times 2.5 mm 3体素尺寸用于评估我们的算法在GPU上。在NVIDIA Tesla C1060 GPU卡上使用50个MLC孔径生成最佳治疗计划仅需0.7~2.5秒。因此，我们的工作解决了一个主要问题，在开发超快速（重新）规划技术的在线艺术。
2010-03-28 physics.med-ph
A Unified Generation-Registration Framework for Improved MR-based CT Synthesis in Proton Therapy
提出统一生成-配准框架，联合优化图像生成与可变形配准，显著提升质子治疗中基于MR的CT合成精度与解剖保真度。
2024-01-23 physics.med-ph
Meta-optimization for Fully Automated Radiation Therapy Treatment Planning
目的：放射治疗计划是一个耗时的过程，涉及超参数的迭代调整。为了使治疗计划过程自动化，我们提出了一个元优化框架，称为MetaPlanner（MP）。方法：我们的MP算法通过执行治疗计划超参数的优化来自动化计划。该算法使用一个衍生的自由的方法（即并行Nelder-Mead单纯形搜索），以搜索的权重配置，最大限度地减少了元评分函数。通过构建相关考虑因素（例如，剂量均匀性、一致性、溢出和OAR保留）的分层列表进行元评分，以模拟临床决策过程。此外，我们还通过github公开了我们的源代码。结果：在作为临床工作流程的一部分收集的两个数据集（21个前列腺病例和6个头颈部病例）上评价了所提出的MP方法。MP应用于IMRT和VMAT计划，并与手动VMAT计划的基线进行比较。对于所有评价指标，IMRT和VMAT场景中的MP具有与手动VMAT计划相当或更好的性能。结论：我们提出的MP为全自动治疗计划提供了一个通用框架，可产生高质量的治疗计划。意义：我们的MP方法有望在保持或提高计划质量的同时大幅减少治疗计划者的工作量。
2021-10-20 physics.med-ph
Direct optimization of dose-volume histogram metrics in radiation therapy treatment planning
提出了一种直接优化放射治疗计划中临床目标值偏差的方法。使用一个新的数学框架，其中来自剂量-体积直方图的度量被视为辅助随机变量的泛函，我们能够获得剂量体积和剂量体积作为剂量分布的无限可微函数，具有容易评估的函数值和梯度。出于金融风险措施，这是正式在这个框架中的连接，我们还推导出封闭形式的平均尾部剂量公式，并证明其能力，减少极端剂量值的尾部分布。前列腺和头颈部患者的情况下进行的数值实验表明，剂量体积直方图指标的直接优化产生的结果略好于或优于传统的规划目标，在临床目标的实现，控制低剂量和高剂量的尾部的目标分布和一般计划质量定义的一个预先指定的评估措施。所提出的框架消除了优化功能和评估指标之间的脱节，因此可以减少与传统治疗计划相关的重复用户交互的需要。该方法还具有在其他设置中增强计划优化的潜力，例如多标准优化和自动化治疗计划。
2021-09-06 physics.med-ph
Causal Machine Learning Analysis of Empirical Relative Biological Effectiveness (RBE) for Mandible Osteoradionecrosis in Head and Neck Cancer Radiotherapy
本研究应用因果森林机器学习分析头颈癌放疗数据，发现质子治疗下颌骨ORN的经验RBE在中剂量区显著高于1.1，提示治疗计划需考虑可变RBE。
2025-09-25 physics.med-ph
Can input reconstruction be used to directly estimate uncertainty of a regression U-Net model? -- Application to proton therapy dose prediction for head and neck cancer patients
Institut de Recherche Expérimentale et Clinique (IREC), UCLouvain（比利时鲁汶大学实验与临床研究所（IREC））；UT Southwestern Medical Center（德克萨斯大学西南医学中心）
本文提出一种基于输入重建误差的直接不确定性估计方法，用于回归 U-Net 模型，并在头颈癌质子治疗剂量预测中验证其比 MCDO 和 DE 具有更高相关性、更强 OOD 检测能力和更低计算开销。
2023-10-30 cs.AI cs.LG physics.med-ph
High-speed proton therapy within a short breath-hold
本研究提出一种无需硬件改动的优化方法，在商用同步回旋加速器上实现5至10秒每野的高速质子照射，结合穿透束与布拉格峰、优化扫描序列及双脉冲剂量调节，在8例肺癌中实现短屏气内全野照射，兼顾适形性与剂量准确性，为运动肿瘤的质子治疗提供了实用路径。
2025-10-08 physics.med-ph
Dynamic Modulated Arc Therapy (DMAT): A Time Aware, Modulation Steered Optimization Framework for Next Generation Radiotherapy Delivery
Varian Medical Systems Inc., a Siemens Healthineers company（瓦里安医疗系统公司，西门子健康技术旗下公司）
DMAT通过联合优化剂量质量、交付时间和调制复杂度，实现意图驱动的放疗交付。该方法结合机器仿真和动态调制控制，通过用户设定的调制水平优化叶轮运动、MU行为和CP密度，提升治疗计划的质量和效率。
2026-09-03 physics.med-ph
Optimizing the Traversal Time for Gantry Trajectories for Proton Arc Therapy Treatment Plans
引入ATOM算法，通过离散化机架速度并结合A*与Ruckig库优化质子弧治疗的机架速度曲线，在确保动态运动可行性的前提下快速生成最短实施时间轨迹。
2023-10-19 physics.med-ph
Learning-Based Synthetic Dual Energy CT Imaging from Single Energy CT for Stopping Power Ratio Calculation in Proton Radiation Therapy
目的：双能CT（DECT）通过获得光子相互作用的能量依赖性，可以获得比传统单能CT（SECT）更高精度的阻止功率比（SPR）图。然而，DECT在质子放射治疗模拟中没有像SECT那样广泛实施。本文提出了一种基于学习的方法来合成用于质子放射治疗的SECT DECT图像。方法：该方法使用了一个剩余注意生成对抗网络。使用带有注意门的剩余块来迫使模型聚焦于DECT图和SECT图像之间的差异。为了评估该方法的准确性，我们回顾性研究了20例头颈部癌症患者的DECT和SECT扫描。在SECT数据集的训练过程中，从DECT获得的高能量和低能量CT图像作为学习目标，并使用留一交叉验证策略对所提出的方法的结果进行评估。为了评估我们的方法在实际应用的背景下，我们使用基于物理的双能量化学计量方法从sDECT生成SPR图，并将这些图与从DECT生成的图进行比较。结果：合成的DECT图像显示出在整个身体体积上的平均绝对误差约为30 Hounsfield单位（HU）。合成DECT生成的相应SPR图显示平均归一化均方误差约为1%，与原始DECT相比，噪音水平和伪影减少。结论：通过我们的基于机器学习的方法合成的DECT图像的准确性进行了评估的头部和颈部患者，质子治疗计划和剂量计算的潜在可行性，通过生成SPR地图使用合成的DECT。
2020-05-25 eess.IV physics.med-ph
Multi-IMPT: a biologically equivalent approach to proton ARC therapy
本研究针对质子ARC治疗因频繁能量改变导致交付困难的问题，提出multi-IMPT方法，通过分次使用不同射野角度子集并优化OAR的BED与靶区物理剂量，实现与ARC生物学等效的治疗计划质量。
2024-11-26 physics.med-ph
Learning-Based Stopping Power Mapping on Dual Energy CT for Proton Radiation Therapy
目的：利用双能CT（DECT）技术，通过获得光子相互作用的能量依赖关系，推导出相对阻止本领（RSP）图。当使用基于物理的标测技术时，DECT衍生的RSP标测图可能会受到图像噪声水平和伪影严重程度的影响，这将影响后续的临床应用。这项工作提出了一种基于噪声鲁棒学习的方法来预测RSP地图从DECT质子放射治疗。方法：该方法使用剩余注意力周期一致生成对抗（CycleGAN）网络。CycleGAN通过引入逆RSP-to-DECT映射来使DECT到RSP映射接近于一对一映射。我们回顾性研究了20例头颈部肿瘤患者的DECT扫描在质子放射治疗模拟。通过基于化学成分的计算分配地面真实RSP值，并在DECT数据集的训练过程中作为学习目标，并使用留一交叉验证策略对所提出的方法的结果进行评估。结果如下：预测的RSP地图显示，在整个身体体积的平均归一化均方误差（NMSE）为2.83%，平均平均误差（ME）小于3%的所有体积的利益（VOI）。在DECT数据集中添加额外的模拟噪声，所提出的方法仍然保持了相当的性能，而基于物理的化学计量方法由于噪声水平增加而导致不准确性降低。D95%和Dmax的临床靶体积（CTVs）DVH指标的平均差异小于0.2 Gy，无统计学意义。结论：这些结果有力地表明了我们基于机器学习的方法预测的RSP图的高准确性，并显示了其用于质子治疗计划和剂量计算的潜在可行性。
2020-03-20 physics.med-ph
Exploring Machine Learning Models for Physical Dose Calculation in Carbon Ion Therapy Using Heterogeneous Imaging Data -- A Proof of Concept Study
本研究探索多种机器学习模型（含首次应用的扩散模型）用于碳离子治疗物理剂量计算，证明U-Net等模型能平衡精度与速度，并泛化至不同CT分辨率。
2025-09-22 physics.med-ph
Fraction-variant VMAT planning for patients with complex gynecological and head-and-neck cancer
本研究针对复杂妇科及头颈部癌症患者，提出分次可变VMAT计划优化方法，通过直接孔径优化算法同步优化多分次不同计划，在提升靶区覆盖、降低危及器官剂量的同时大幅缩短单次治疗时间。
2025-10-30 physics.med-ph
Cohort-based T-SSIM Visual Computing for Radiation Therapy Prediction and Exploration
我们描述了一种基于患者队列内空间相似性的放射治疗（RT）规划视觉计算方法。在头颈部癌症的放射治疗中，肿瘤周围有风险的器官的剂量是治疗毒性的主要原因。随着患者资料库的可用性，这种情况导致临床医生有兴趣了解和预测RT结果的基础上，以前治疗的类似患者。为了实现这种类型的分析，我们引入了一种新的基于拓扑的空间相似性度量，T-SSIM，和基于这种相似性度量的预测算法。我们耦合的算法与一个可视化的转向界面，交织的空间数据和统计结果，包括一种新的并行标记编码，是空间感知的视觉编码。我们报告了一组165例患者的定量结果，以及与放射肿瘤学，数据管理，生物统计学和医学成像领域专家进行的定性评估，他们正在远程合作。
2019-10-10 eess.IV physics.med-ph
Synthetic MRI-aided Head-and-Neck Organs-at-Risk Auto-Delineation for CBCT-guided Adaptive Radiotherapy
目的：危及器官（OAR）勾画是基于锥形束CT（CBCT）的自适应放射治疗计划的关键步骤，该计划可能是一个耗时、劳动密集型和受试者可变性的过程。我们的目标是开发一种由合成MRI辅助的全自动方法，用于头颈部（HN）癌症患者的快速准确的CBCT多器官轮廓。MRI具有出色的软组织对比度，而CBCT则提供骨骼结构对比度。利用MRI和CBCT提供的互补信息，有望实现HN癌症患者的准确多器官分割。在我们提出的方法中，首先使用预先训练的周期一致的生成对抗网络合成MR图像，给定CBCT。然后使用双金字塔网络提取CBCT和合成MRI的特征，以最终描绘器官。CBCT图像及其相应的手动轮廓被用作对训练和测试所提出的模型。包括骰子相似系数（DSC）的定量指标被用来评估所提出的方法。对65名HN癌症患者的队列进行了评估。从接受质子治疗的患者中收集CBCT图像。总体而言，治疗计划常用OAR的DSC值为0.87、0.79/0.79、0.89/0.89、0.90、0.75/0.77、0.86、0.66、0.78/0.77、0.96、0.89/0.89、0.832和0.84，包括脑干、左/右耳蜗、左/右眼、喉、分别获得左/右晶状体、下颌骨、视交叉、左/右视神经、口腔、左/右腮腺、咽和脊髓。在这项研究中，我们开发了一种基于深度学习的合成MRI辅助HN CBCT自动分割方法。它提供了一种快速准确的OAR自动描绘方法，可用…
2020-10-08 eess.IV physics.med-ph
Definition of dose rate for FLASH pencil-beam scanning proton therapy: A comparative study
本研究比较PBS质子治疗中五种剂量率定义，通过头颈部病例和DRVH分析揭示其局部差异可达10%、整体差异可达两倍，强调FLASH治疗中定义选择的重要性。
2023-07-13 physics.med-ph
Overview of the Head and Neck Tumor Segmentation for Magnetic Resonance Guided Applications (HNTS-MRG) 2024 Challenge
该研究介绍了HNTS-MRG 2024挑战赛，解决HNC领域AI就绪自适应RT数据集稀缺问题，探索多时间点数据对自动分割的提升，提供150例训练和50例测试病例，19个团队参赛，最优AI方法Dice得分超临床医生基准，推动MR引导RT的自动化分割进展。
2024-11-28 physics.med-ph
Retrospective clinical evaluation of a decision-support software for adaptive radiotherapy of Head & Neck cancer patients
目的：评估头颈癌（HNC）患者自适应放射治疗（ART）自动决策支持平台的临床需求。方法：我们测试RTapp（SegAna），一种新的ART决策支持软件，回顾性调查22例HNC患者的数据。对于每一部分，RTapp从每日3D成像实时估计目标和OAR接收的每日和累积剂量。RTapp还包括一个预测算法，该算法分析剂量测定参数（DP）与剂量测定终点（DE）的趋势，以提前4个分数触发适应。对PTV设置警告（V95<95%）和自适应（V95<93%）DE。所有Dmax和Dmean DP的OAR自适应DE均设置为+10%（DE 10）。治疗结束（EOT）时的任何DE违背均触发DP趋势审查，以确定DE交叉分数Fx并评价预测模型准确度（计算和预测DP值之间的差异及95%置信区间）。结果：RTapp能够满足治疗适应的需求。15/22项研究（68%）在EOT时违反PTV覆盖范围或腮腺Dmean。9个PTV的V95<95%（平均覆盖率降低-7.7+/-3.3%），包括4个标记为适应的中值Fx=11.5（范围：6-18）。15个腮腺被标记为超过Dmean限制，EOT时中位数增加+3.18 Gy（范围：0.18-6.31 Gy），包括8个DP> DE 10。PTV V95和腮腺Dmean的预测值与计算值之间的差异分别高达7.6%（平均值：-2.9+/-4.6%）和5Gy（平均值：0.2+/-1.6Gy）。最准确…
2021-10-04 physics.med-ph
Integrating microdosimetric in vitro RBE models for particle therapy into TOPAS MC using the MicrOdosimetry-based modeling for RBE Assessment (MONAS) tool
University of Trento（特伦托大学）
MONAS工具通过结合微剂量学模型与放射生物学方法，用于预测质子治疗中的RBE和细胞存活曲线。
2023-07-17 physics.med-ph
Diffusion Schrödinger Bridge Models for High-Quality MR-to-CT Synthesis for Head and Neck Proton Treatment Planning
Paul Scherrer Institut（保罗·谢勒研究所）；ETH Zurich（苏黎世联邦理工学院）；University Hospital of Zurich（苏黎世大学医院）；Inselspital, Bern University Hospital, University of Bern（伯尔尼大学医院（因塞尔医院），伯尔尼大学）
本文提出扩散薛定谔桥模型（DSBM），通过从先验分布而非高斯分布启动合成来学习MR与CT分布间的非线性扩散过程，在头颈部癌症数据集上经图像级和剂量学级评估验证了其在质子治疗计划中高质量MR到CT合成的优越性。
2024-06-30 cs.CV physics.med-ph
Direct leaf trajectory optimization for volumetric modulated arc therapy planning with sliding window delivery
我们提出了一种新的优化模型的体积调制弧治疗（VMAT）规划，直接优化可交付的叶轨迹的治疗计划优化问题，并消除了需要一个单独的弧排序步骤。在这个模型中，一个360度的弧被分成给定数量的弧段，叶片在这些弧段中单向移动。这有助于确定每个弧段的最佳分段线性叶轨迹的算法，其在给定的治疗时间内可递送。多叶准直器（MLC）的约束，包括最大叶速度和交错，明确占。该算法经过定制，允许使用恒定机架速度和剂量率进行VMAT输送，但是，如果有益，该算法可推广到可变机架速度。我们展示了三个不同的肿瘤部位的方法：头颈部的情况下，前列腺的情况下，和脊柱旁的情况下。为此目的，我们首先获得一个参考计划的调强放疗（IMRT）使用注量图优化和20个等距束方向。随后，通过将360度弧划分为20个对应的弧段来优化VMAT计划。假设典型的机器参数（剂量率为600 MU/min，最大叶片速度为3 cm/sec），证明了优化的VMAT计划的质量接近IMRT基准计划的质量，输送时间为3至4分钟。
2013-06-17 math.OC physics.med-ph
Gradient Map-Assisted Head and Neck Tumor Segmentation: A Pre-RT to Mid-RT Approach in MRI-Guided Radiotherapy
Aarhus University（奥胡斯大学）；Aarhus University Hospital（奥胡斯大学医院）
本研究提出利用前中期图像和梯度图作为先验知识，增强MRI引导自适应放疗中的头颈癌中期肿瘤分割，在挑战赛测试集上GTVp和GTVn的DSCagg平均得分达0.70，有助于改进治疗规划。
2024-10-16 cs.AI cs.CV physics.med-ph
Evaluation of a Novel Quantitative Multiparametric MR Sequence for Radiation Therapy Treatment Response Assessment
本研究评估了深度学习增强的多参数MR序列DL-MUPA，通过单次短时扫描获取定量T1和T2图谱，用于脑转移瘤和头颈癌患者的放射治疗反应评估，证实其在监测肿瘤变化及正常组织功能保留方面具有潜力。
2025-10-27 physics.med-ph
Dosimetric and Biologic Differences in Flattened and Flattening-Filter-Free Beam Treatment Plans
目的：目的：定量比较扁平和无聚焦滤波器（FFF）射束治疗三个解剖学癌症部位的剂量学和生物学差异。方法和材料：针对TrueBeam系统的扁平射束和FFF射束，为13名患者生成了静态强度调制放射治疗射束和体积调制弧形治疗射束的治疗计划。选择6 MV和10 MV的射束能量进行计划。13例患者共生成104个治疗计划。为了分析治疗计划的生物有效性，利用剂量体积直方图（DVH）。定量地比较了扁平和FFF梁计划。结果如下：在头部和颈部病例中，对于VMAT计划，与左侧耳蜗、右侧颌下腺和右侧腮腺中的扁平射束相比，FFF射束计划中的剂量减少分别高达2.36 Gy、1.21 Gy和1.45 Gy。同样，对于静态IMRT计划，与相同器官的扁平射束计划相比，FFF射束计划的剂量减少分别高达0.34 Gy、1.36 Gy和1.46 Gy。总体而言，对于头部和颈部，FFF射束计划分别使上述风险器官的平均剂量降低高达5%、7%和9%。对于肺和前列腺病例，与所有计划的扁平波束相比，FFF波束提供了较低或相当的NTCP值至危及器官（OAR）。结论：总的来说，我们观察到利用FFF射束的治疗计划可以改善OAR的剂量节省，而不会影响靶区覆盖范围。对于头颈部癌症病例，特别是对于射野尺寸相对较大（约16 × 20 cm ^2）的病例，获得了显著的剂量节省效应。对于肺部和前列腺病例，与扁平射束相比，基于FFF射束的治疗计划为大多…
2015-06-16 physics.med-ph
A Cascade Transformer-based Model for 3D Dose Distribution Prediction in Head and Neck Cancer Radiotherapy
本文提出一种级联 Transformer 编码器-解码器模型，先分割 OAR，再以金字塔架构预测三维剂量分布，并在头颈癌数据集上优于 OpenKBP2020 冠军及现有方法。
2023-07-22 eess.IV physics.med-ph
Bridging cone-beam CT and MRI to stopping power ratio maps: a modality-agnostic Brownian bridge approach to support robust adaptive proton therapy
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；Henry Ford Health（亨利福特健康系统）；Wayne State University（韦恩州立大学）
本研究提出模态无关的正则化布朗桥（rBBrg）框架，从CBCT或MRI确定性预测阻止本领比（SPR）图，在骨MAE上优于ResNet，伽马通过率更高，支持高效灵活的自适应质子治疗。
2026-09-30 physics.med-ph
Advancing Head and Neck Cancer Survival Prediction via Multi-Label Learning and Deep Model Interpretation
University of Texas Southwestern Medical Center（德克萨斯大学西南医学中心）；University of Maryland Medical Center（马里兰大学医学中心）
本文提出可解释多标签多模态深度生存预测框架 IMLSP，并用 Grad-TEAM 生成时间-事件激活图，在 RADCURE 数据集上提升头颈癌多结局预后性能与模型可解释性。
2024-05-09 cs.CV physics.med-ph
Planned, delivered and variable RBE dose difference analysis for a patient cohort with base-of-tongue cancer treated with IMPT
University of Nebraska Omaha（内布拉斯加大学奥马哈分校）；Emory University（埃默里大学）
针对舌根癌患者，分析质子治疗中计划剂量与递送剂量的差异，并探讨可变RBE剂量与恒定RBE 1.1的差异及其对计划评估的影响。
2026-06-11 physics.med-ph
Large Language Model-Augmented Auto-Delineation of Treatment Target Volume in Radiation Therapy
Stanford University（斯坦福大学）；Massachusetts General Hospital（麻省总医院）
针对放射治疗靶区手动勾画效率低、差异大且AI自动勾画精度不足的问题，提出融合大语言模型的Radformer网络，通过视觉语言注意力模块整合多模态特征，在头颈癌数据集上实现了优于现有模型的分割效果，具备临床应用潜力。
2024-07-10 cs.AI cs.CV physics.med-ph
Joint Range-modulator and Spot Optimization for Bragg-peak Proton FLASH Radiotherapy
提出联合射程调制器与点优化（JRSO）方法，同时优化PSRM和点权重，提升适形pFLASH治疗计划质量，在头颈病例中显著降低靶区最大剂量并提高适形指数。
2025-04-28 physics.med-ph
Clinical Validation of two Surface Imaging Systems for Patient Positioning in Percutaneous Radiotherapy
精确的患者定位以及因此精确定位计划靶体积（PTV）是经皮放射治疗中有效治疗的先决条件。用于确保治疗的精确定位的常规成像模态通常涉及患者的额外辐射暴露。光学3D表面扫描和配准系统提供了一种无需额外曝光的患者对准的不同方法。我们研究了两个系统Catalyst和AlignRT，这使我们能够生成和验证50名接受断层治疗系统照射的患者的表面图像。我们比较了这两个表面成像系统（SIS）提出的位置与MVCT扫描的基础上对患者位置的实际调整。使用两个SIS，在整个治疗过程中重复记录每个患者的表面。此外，我们使用体模对两种系统进行了系统分析。分析中包括的每例患者至少有10张表面图像。大量的患者使我们能够将研究人群按治疗的身体部位分为三组：头颈部、胸部和骨盆。分别分析了这三个身体区域的结果。因此，我们研究的重点是与两个系统注册的身体区域，而不是肿瘤实体。例如，对于AlignRT，我们发现与传统标记对准相比，骨盆区域的定位在75%的数据中改善了0.9mm，在95%的数据中改善了6.4mm。这两个系统在头部和颈部区域最准确，传统的掩模对准已经足够准确。其他两个身体区域，骨盆和胸部，可能受益于SIS定位。但是对于这两个系统，仍然需要改进以减少统计变化。
2016-02-11 physics.med-ph
A novel range telescope concept for proton CT
质子束治疗可能为头颈部癌症和儿科患者提供更好的治疗。近年来，随着输送技术的改进和患者受益的观察，质子束治疗得到了迅速的应用。然而，由于缺乏能够在现实临床条件下执行高质量质子计算机断层成像（pCT）的设备，目前计划使用传统的X射线CT图像进行治疗。提出了一种新的基于塑料闪烁体的距离望远镜概念，称为ASTRA，用于测量质子在pCT系统中的能量损失。使用GEANT4进行的模拟产生0.7%的预期能量分辨率。如果使用量热信息，能量分辨率可以进一步提高到约$0.5\%$。此外，ASTRA的能力，同时跟踪多个质子。由于其快速组件，ASTRA预计将达到前所未有的数据收集率，类似于$10^8$质子/秒。ASTRA的性能也进行了测试，通过模拟成像的幻影。结果显示出良好的图像对比度和相对阻止本领重建。
2021-11-26 physics.ins-det physics.med-ph
An AI dose engine for fast carbon ion treatment planning
GSI Helmholtzzentrum für Schwerionenforschung（德国重离子研究中心）；Technische Universität Darmstadt（达姆施塔特工业大学）；Sapienza Università di Roma（罗马大学）；INFN (Istituto Nazionale di Fisica Nucleare) section of Roma 1（意大利国家核物理研究所罗马第一分部）；Delft University of Technology（代尔夫特理工大学）；University Federico II（那不勒斯费德里科二世大学）
本文提出了一种基于AI的快速碳离子治疗剂量引擎，实现与MC模拟相当的精度，速度提升达400倍，支持在线自适应规划。
2026-01-24 physics.med-ph
Generalizable dose denoising using diffusion transformer framework for pencil beam scanning proton therapy
Mayo Clinic（梅奥诊所）；China Three Gorges University（三峡大学）；Guangzhou Concord Cancer Center（广州和睦家肿瘤中心）
本文提出基于扩散Transformer的质子治疗剂量去噪框架，仅用头颈部数据训练，即可在头颈、肺、乳腺和前列腺等多个部位实现高精度剂量生成，3D Gamma通过率超过92%。
2026-10-30 cs.AI physics.med-ph
Large-scale automatic carbon ion treatment planning for head and neck cancers via parallel multi-agent reinforcement learning
1 State Key Laboratory of Nuclear Physics；Technology, Institute of Heavy Ion Physics, Peking University School of Physics, Beijing 100871, China.；2 Key Laboratory of Carcinogenesis；Translational Research (Ministry of Education/Beijing), Department of Radiation Oncology, Peking University Cancer Hospital \& Institute, Beijing 100142, China.；3 Department of Technology, CAS Ion Medical Technology Co., Ltd., Beijing 100190, China.；4 Department of Health Technology；Informatics, The Hong Kong Polytechnic University, Hong Kong SAR, 999077, China.
提出一种基于QMIX的可扩展多智能体强化学习框架，通过直接交互PHOENIX TPS并行调整45个治疗计划参数，高效探索高维搜索空间并生成具有临床竞争力的IMCT计划，显著提升了危及器官的保护效果。
2025-11-04 cs.LG physics.med-ph
Simultaneous Reduction of Number of Spots and Energy Layers in Intensity Modulated Proton Therapy for Rapid Spot Scanning Delivery
本文提出一种自适应更新权重的 reweighted $l1$ 正则化凸优化算法，在保证剂量学计划质量的前提下同时促进点和能量层稀疏，显著减少点数和能量层数，从而提高质子治疗的照射效率。
2024-04-24 math.OC physics.med-ph
Superiorization as a novel strategy for linearly constrained inverse radiotherapy treatment planning
我们应用优越化方法的调强放射治疗（IMRT）治疗计划问题。在优越化中，线性体素剂量不等式约束是基本的建模工具，其中可行性搜索投影算法将搜索可行点。该算法然后扰动梯度下降步骤，以减少一个非线性目标函数。在开源逆向计划工具包matRad中，我们使用成熟的Agmon，Motzkin和Schoenberg（AMS）可行性寻求投影算法和常见的非线性剂量优化目标函数实现了一个原型算法框架。在此基础上，我们将优化算法应用于调强放射治疗计划中，并与可行性搜索算法和非线性约束优化算法进行了比较。对于这些比较，我们使用TG 119水模体和CORT数据集的头颈部患者。裸可行性寻求与AMS证实了以前的研究，表明它可以找到的解决方案，几乎等同于所建立的分段最小二乘优化方法。优越化的原型解决了线性约束规划问题，具有类似的性能，一个通用的非线性约束优化，同时显示在约束附近和目标函数减少平滑收敛。在放射治疗逆向计划中，约束优化是一种有效的替代方法。未来的扩展与其他可行性寻求方法，例如，具有剂量体积约束和更复杂的扰动，可以释放其高性能逆向治疗计划的全部潜力。
2022-07-26 math.OC physics.med-ph
Causal machine learning reveals age-dependent radiation dose effects on mandibular osteoradionecrosis
Mayo Clinic（梅奥诊所）；the University of Miami（迈阿密大学）；University of Georgia（佐治亚大学）；Southwestern University of Finance and Economics（西南财经大学）
本文通过因果学习揭示辐射剂量对下颌骨放射性坏死的年龄依赖性影响，发现50-60岁患者对剂量的反应最强，提出个性化治疗优化策略以降低风险。
2026-02-15 physics.med-ph
Flattened photon beams, an obsolete feature in modern linear accelerators
本研究通过剂量测量和临床计划对比证明，使用免平坦过滤器（FFF）光子束不仅能生成与带平坦过滤器光子束相当或更优的平坦剖面，还能在保证靶区覆盖的同时更好地保护危及器官，并简化机头与维护。
2023-09-09 physics.med-ph
