Forecasting per-patient dosimetric benefit from daily online adaptive radiotherapy for cervical cancer
自适应放射治疗（ART）是一种治疗癌症患者的新兴技术，有助于提高递送准确性，并有可能降低毒性。然而，ART也是资源密集型的，与标准治疗方法相比需要额外的人力和机器时间。在这项分析中，我们试图预测淋巴结阴性宫颈癌患者的子集谁受益最大ART。CT图像，初始计划数据，并在治疗锥束CT（CBCT）图像的20例回顾性宫颈癌患者被用来模拟剂量从日常非自适应和自适应技术。我们评价了初始治疗计划的剂量和体积指标之间的相关性（R $^2$），以及使用减小的3 mm或5 mm CTV至PTV边缘的自适应放疗对肠道V $_{40Gy}$、肠道V $_{45Gy}$、膀胱D $_{mean}$和直肠D $_{mean}$的剂量学受益。LASSO技术用于确定肠V $_{40Gy}$的最具预测性指标。使用三个最高性能指标构建Bowel V $_{40Gy}$的留一法验证多变量模型。初始肠道剂量较高的患者与每日适应后肠道V $_{40Gy}$的最大降低相关（对于3 mm PTV边缘，线性最佳拟合R $^2$ =0.77，对于5 mm PTV边缘，R $^2$ =0.8）。其他指标具有中等相关性或无相关性。多变量模型的选定协变量为初始肠道V $_{40Gy}$的差异。和膀胱D $_{mean}$使用标准与减少的边缘和初始膀胱体积。两种边界的预测和真实自适应肠道V $_{40Gy}$受益之间的留一法验证R $^2$…
2022-12-19 physics.med-ph
4$π$ Planning for the Reduction of Predicted Hematologic Toxicity Risk in Cervical Cancer Radiotherapy
University of California-San Francisco（旧金山加利福尼亚大学）；Affiliated Hospital of Jiangnan University（江南大学附属医院）
该研究针对宫颈癌共面放疗的血液学毒性风险，用114例患者数据训练模型，发现4π非共面放疗可降低骨髓等剂量，使预测HT风险降23%，为减少该毒性提供了新方案。
2026-08-14 physics.med-ph
Current Views on Mechanisms of the FLASH Effect in Cancer Radiotherapy
Peking University（北京大学）；the Second Affiliated Hospital of Wenzhou Medical University（温州医科大学附属第二医院）；College of Chemistry and Molecular Engineering, Peking University（北京大学化学与分子工程学院）；Sun Yat-sen University（中山大学）；KIRI Precision Particle Therapy Flash Technologies Research Center（基锐精准粒子治疗闪速技术研究中心）；The University of Hong Kong-Shenzhen Hospital（香港大学深圳医院）
本文综述了FLASH效应在物理化学和生物学层面的主要假说，包括氧耗竭、自由基反应、核和线粒体损伤以及免疫反应，并为未来研究提供指导。
2024-05-16 physics.med-ph
Photon-Counting CT in Cancer Radiotherapy: Technological Advances and Clinical Benefits
本综述探讨了光子计数CT（PCCT）在癌症放射治疗中的技术进展与临床获益，指出其通过提升分辨率、降低剂量和优化工作流程，有望变革精准放疗。
2024-12-04 eess.IV physics.med-ph
Towards Laser Driven Hadron Cancer Radiotherapy: A Review of Progress
大约60年前，质子和重离子治疗是治疗肿瘤的一种非常强大的放射程序。与电子和光子治疗相比，它具有以更大剂量和空间选择性照射肿瘤的先天能力，因此是一种组织保留程序。二十多年来，强大的激光器已经产生了质子和重离子的高能束，因此经常有人推测激光器可以作为射频加速器的替代品，产生癌症治疗所需的粒子束。本文综述了激光驱动强子治癌的进展，以及实现其固有的巨大潜力仍需完成的工作。
2014-05-12 physics.med-ph physics.plasm-ph
Ultrasmall Au10-12(SG)10-12 Nanomolecules for High Tumor Specificity and Cancer Radiotherapy
放射增敏剂可以在相对低和安全的辐射剂量下增加局部治疗效果，从而促进肿瘤根除并将副作用降至最低。在这里，我们报告了一类新的放射增敏剂，其包含嵌入肽壳内的几个金（Au）原子（例如，Au 10 -12（SG）10-12），并且可以实现肿瘤摄取（在注射后24小时为10.86 SUV）和靶向特异性、有效的肾清除和高放射治疗增强。
2014-05-12 physics.bio-ph physics.med-ph q-bio.TO
A novel imaging setup for hybrid radiotherapy tailored PET/MR in patients with head and neck cancer
针对头颈癌放疗中PET/MR常规装置图像质量差的问题，开发了一种新型PET/MR放疗成像装置，显著提高了颈部和胸部MR图像的SNR和可检测性，并符合几乎所有ACR和QIBA图像质量标准。
2024-11-13 physics.med-ph
Impact of deep learning model uncertainty on manual corrections to auto-segmentation in prostate cancer radiotherapy
本研究评估了在前列腺癌放射治疗中，向肿瘤医生展示深度学习生成的不确定性图如何影响其对自动分割结果的手动修正，发现不确定性图能改变医生决策与置信度，减少低不确定性区域的编辑并缩短分割时间，从而提升治疗计划效率。
2025-09-12 physics.med-ph
Effective dose fractionation schemes of radiotherapy for prostate cancer
放射治疗仍然是主要的癌症治疗方式之一，并且是癌症护理中具有高度成本效益的单一方式治疗。用于分次外射束放射治疗的典型方案包括在工作日施用恒定剂量，并且在周末不进行放射。然而，每个患者的肿瘤都具有不同的特性，这取决于肿瘤内的异质性，侵袭性以及与其他细胞的相互作用特性，这些特性可能使其对放射治疗更具抗性或敏感性。因此，个性化癌症治疗的概念正在出现，以使每个患者的治疗病例专门针对肿瘤的独特性质。在本文中，我们研究了自适应放射治疗策略的异质性肿瘤使用的动力系统模型，该模型由耐辐射和父母的细胞群体具有独特的相互作用的属性。我们研究了不同的适应性剂量策略对PC 3和DU 145前列腺癌细胞系。我们发现，在较长的时间间隔内给予较强剂量的辐射，同时保持总剂量不变，可使PC 3细胞系的最终肿瘤体积减少一半以上，但在DU 145细胞系中仅减少5%。此外，我们测试了一种适应性给药方案，即在周五给予更强的剂量，以补偿周末的治疗停药期，这在减少两种细胞系的最终肿瘤体积方面都是有效的。这一结果为周末无法提供治疗的诊所的新放射治疗策略创造了有趣的可能性。最后，我们提出了一个剂量计划，结合我们的研究结果。
2021-12-25 physics.med-ph q-bio.PE
3D tumor localization through real-time volumetric x-ray imaging for lung cancer radiotherapy
最近，我们已经开发了一种算法，用于重建体积图像和提取三维肿瘤运动信息，从一个单一的X射线投影。我们已经证明了它的可行性，使用数字呼吸模型与规则的呼吸模式。在这项工作中，我们提出了一个详细的描述和综合评价的改进算法。通过引入呼吸运动预测对算法进行了改进。然后在1）数字呼吸体模，2）物理呼吸体模和3）5名肺癌患者上评价准确性和效率。这些评估案例包括与训练数据集不同的规则和不规则呼吸模式。对于有规律和不规律呼吸的数字呼吸体模，平均3D肿瘤定位误差小于1 mm。在NVIDIA Tesla C1060 GPU卡上，对于有规律和不规律呼吸，每个投影的3D肿瘤定位的平均计算时间范围在0.19和0.26秒之间，这比先前报道的结果提高了约10%。对于物理呼吸体模，平均肿瘤定位误差低于1 mm，在同一GPU卡上，分别针对规则和不规则呼吸，平均计算时间为0.13和0.16秒。对于5例肺癌患者，轴向和切向的平均肿瘤定位误差均小于2mm。同一GPU卡上的平均计算时间在0.26到0.34秒之间。
2011-02-08 physics.med-ph
Hounsfield-based Automatic Evaluation of Volumetric Breast Density on Radiotherapy CT-Scans
本文提出一种基于放疗计划CT扫描和Hounsfield单位的乳腺体积密度自动评估方法，用于在治疗前识别辐射副作用高风险乳腺癌患者，以提供个体化风险获益信息。
2021-10-10 physics.med-ph
Critical review of patient outcome study in head and neck cancer radiotherapy
本综述批判性梳理头颈部癌放疗预后预测从传统方法到AI、因果推断的演进，指出当前相关性转临床洞见的难点，提出结合互补方法尤其是干预模型以实现个性化治疗、改善患者预后。
2025-03-19 physics.med-ph
deepPERFECT: Novel Deep Learning CT Synthesis Method for Expeditious Pancreatic Cancer Radiotherapy
本文提出deepPERFECT深度学习CT合成模型，将诊断CT适配至放疗体位，实验显示三维GAN可生成与计划CT无显著差异的计划，使胰腺癌放疗流程缩短至少一周。
2023-01-27 physics.med-ph
Simulated dose painting of hypoxic sub-volumes in pancreatic cancer stereotactic body radiotherapy
使用正电子发射断层成像（PET）对缺氧肿瘤子体积进行剂量描绘已被证明可改善几个部位的计算机模拟肿瘤控制。胰腺癌提出了一个更严格的挑战，因为它接近关键器官的风险（OAR）和解剖运动。放射生物学模型的开发，以估计克隆原存活分数（SF），使用18 F-氟氮霉素阿拉伯糖苷PET（FAZA PET）图像从10例胰腺癌患者，以量化氧增强效应。对于每例患者，生成四个模拟的五分割立体定向体部放射治疗（SBRT）计划：1）旨在用40 Gy覆盖计划靶体积的标准SBRT计划，2）将递增剂量递送到FAZA-avid缺氧子体积的剂量绘制计划，3）具有分离十二指肠和胰头的模拟间隔物的剂量绘制计划，以及4），计划与综合增强几何收缩的肿瘤（GTV）。所有计划均达到至少一个OAR剂量限值。计算每个计划的SF，并评估SF对模拟缺氧定量误差的敏感性。与标准SBRT相比，剂量喷涂导致SF降低55%;使用垫片时降低78%。缺氧盲几何收缩的综合增强导致SF降低41%。剂量绘制计划的SF降低持续存在于研究的所有缺氧量化参数中，包括导致GTV和缺氧子体积移位和旋转多达1 cm和10度的配准和刚性运动误差。尽管接近OAR最终限制了剂量的增加，估计的SF（~10^-5）远高于完全消融~10 cm ^3肿瘤所需的水平，但考虑到预期的治疗和成像不确定性，剂量描绘显著降低了克隆原的生存率，因此可能改善局部反应和相关的发病率。
2021-08-31 physics.med-ph
Optimizing Radiotherapy Plans for Cancer Treatment with Tensor Networks
我们提出了一种新的应用张量网络方法在癌症治疗作为一个潜在的工具，以解决放射治疗的剂量优化问题。特别是，调强放射治疗（IMRT）技术-允许治疗不规则和不均匀的肿瘤，同时减少对健康器官的辐射毒性-是基于辐射子束强度的优化。优化的目的是最大限度地向癌症输送治疗剂量，同时避免危及器官，以防止其受到辐射的损害。在这里，我们将剂量优化问题映射到寻找类伊辛哈密顿量的基态，描述了一个远程相互作用量子比特系统。最后，我们应用树张量网络算法来找到哈密顿量的基态。特别是，我们提出了一个解剖方案举例说明前列腺癌的治疗。类似的方法可以应用于未来的混合经典-量子算法，为量子技术在未来医疗中的使用铺平道路。
2020-10-19 cond-mat.stat-mech physics.comp-ph physics.med-ph
Causal Machine Learning Analysis of Empirical Relative Biological Effectiveness (RBE) for Mandible Osteoradionecrosis in Head and Neck Cancer Radiotherapy
Mayo Clinic（梅奥诊所）；Southwestern University of Finance and Economics（西南财经大学）；the University of Miami（迈阿密大学）；University of Georgia（佐治亚大学）；Nanchang University（南昌大学）；Mayo Clinic Arizona（梅奥诊所亚利桑那分院）
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
Understanding the PULSAR Effect in Combined Radiotherapy and Immunotherapy through Attention Mechanisms with a Transformer Model
University of Texas Southwestern Medical Center（德克萨斯大学西南医学中心）
本研究首次将基于transformer的注意力机制用于探究PULSAR放疗与PD-L1阻断免疫治疗联合应用的相互作用，可半定量预测肿瘤体积变化并识别潜在因果关系。
2024-03-07 cs.AI physics.med-ph
Real-time volumetric image reconstruction and 3D tumor localization based on a single x-ray projection image for lung cancer radiotherapy
目的：研究一种基于单张X射线投影图像的肺癌放射治疗实时体积图像重建和三维肿瘤定位算法。研究方法：给定一组患者在N个呼吸相位的体积图像作为训练数据，我们在参考相位和其他N-1个相位之间执行可变形图像配准，从而产生N-1个变形矢量场（DVF）。这些DVF可以有效地表示由主成分分析（PCA）获得的一些特征向量和系数。通过改变PCA系数，我们可以生成新的DVF，当将其应用于参考图像时，产生新的体积图像。然后，我们可以通过优化PCA系数来从单个投影图像重建体积图像，使得其计算的投影与测量的投影相匹配。肿瘤的3D位置可以通过在其在参考图像中的位置上应用反转的DVF来导出。我们的算法在图形处理器（GPU）上实现，以实现实时效率。我们使用具有10个呼吸阶段的逼真和动态数学体模生成训练数据。测试数据是对应于一次机架旋转的360个锥形束投影，使用呼吸幅度增加50%的相同体模进行模拟。结果：重建体积图像的平均相对图像强度误差为6.9% ± 2.4%。平均3D肿瘤定位误差为0.8 mm +/- 0.5 mm。在NVIDIA Tesla C1060 GPU卡上，从每个投影重建体积图像的平均计算时间为0.24秒（范围：0.17和0.35秒）。结论：我们已经展示了从单个X射线图像近实时地重建体积图像和在3D中定位肿瘤位置的可行性。
2010-03-31 physics.med-ph
Optimizing MV CBCT Imaging Protocols Using NTCP and Secondary Cancer Risk: A Multi-Site Study in Breast, Pelvic, and Head & Neck Radiotherapy
本研究评估每日MV-CBCT成像剂量对乳腺、盆腔及头颈部放疗患者的放射生物学影响，发现10 MU方案显著增加40岁以下乳腺癌患者的肺NTCP和继发癌症风险，建议按年龄、部位和敏感性个性化成像方案。
2025-08-07 eess.IV physics.med-ph
CBCT-to-CT synthesis with a single neural network for head-and-neck, lung and breast cancer adaptive radiotherapy
University Medical Center Utrecht（乌得勒支大学医学中心）
目的：基于CBCT的自适应放射治疗需要每日图像进行准确的剂量计算。本研究探讨了应用单个卷积网络促进头颈部、肺癌和乳腺癌患者CBCT到CT合成的可行性。研究方法：本研究纳入了99例接受基于CBCT的位置验证放疗的头颈癌、肺癌或乳腺癌患者。根据临床程序，将CBCT注册至计划CT。三个周期一致的生成对抗网络（cycle-GAN）以非配对的方式在每个解剖部位的15名患者上进行训练，生成合成CT（sCT）。另一个网络用所有解剖部位一起训练。对所有四种网络的性能进行了比较，并对重新扫描CT（rCT）的图像相似性进行了评价。在CT和sCT上重新计算临床计划，并通过基于体素的剂量差异和γ分析进行分析。结果：在10秒内生成sCT。在不同解剖部位上训练的模型与所有部位的单个模型之间的图像相似性相当。在高剂量区获得的平均剂量差异< 0.5%。所有部位的平均伽马（2%，2 mm）通过率> 95%。结论：Cycle-GAN减少了CBCT伪影，增加了HU与CT的相似性，从而实现了基于sCT的剂量计算。该网络的速度可以促进使用单个网络对头颈部、肺癌和乳腺癌患者进行在线自适应放射治疗。
2019-12-23 cs.LG eess.IV 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
Quantification of head and neck cancer patients' anatomical changes during radiotherapy: prediction of replanning need
McGill University（麦吉尔大学）；Research Institute of the McGill University Health Centre, McGill University（麦吉尔大学健康中心研究所，麦吉尔大学）；Department of Radiation Oncology, Hôpital Maisonneuve-Rosemont（Maisonneuve-Rosemont医院放射肿瘤科）；Department of Radiation Oncology, McGill University（麦吉尔大学放射肿瘤科）
本研究通过创建指标和机器学习模型，预测头颈癌患者在放射治疗期间的解剖变化，以提前识别需要重新规划的患者。
2025-07-18 physics.med-ph
Biological dose representation for carbon-ion radiotherapy of unconventional fractionation
在碳离子放射治疗中，为了提高操作效率，通常每天在交替方向上进行单束输送，利用布拉格峰和相对生物有效性（RBE）对肿瘤进行均匀剂量构象。治疗计划通常用总RBE加权剂量进行评价，然而，由于其二次剂量项或剂量分次效应，在线性二次模型中与生物效应的相关性不足。在这项研究中，我们重新制定的外推反应剂量（ERD），或synonyously BED，它规范化的剂量分级和细胞再增殖的影响，以及治疗辐射的RBE，基于一个单一的模型细胞系统和一个典型的治疗辐射在碳离子RT的ERD分布几乎代表了治疗的生物效应，无论辐射方式或分级方案。我们将ERD公式应用于简化模型治疗和基于实际前列腺癌碳离子放射治疗的低分割临床前调查。所提出的公式被证明是实用的，并提供理论上的影响。在前列腺癌病例中，ERD分布与实际治疗的RBE加权剂量分布在12个部分中非常相似。在低分割时，RBE加权剂量分布变化显著，而ERD分布几乎不变，这意味着碳离子放射治疗对分割不敏感。然而，简单的生物剂量治疗评价有其内在的局限性，必须在实践中以某种方式补充临床经验和生物学实验。
2016-07-05 physics.med-ph
Predictive Modelling of Toxicity Resulting from Radiotherapy Treatments of Head and Neck Cancer
在头颈部癌症的放射治疗中，递送至咽粘膜（咽喉粘膜衬里）的辐射剂量被认为是吞咽困难（吞咽功能障碍）的主要促成因素，这是最常报告的重度毒性。患者经历的吞咽困难的严重程度有所不同。了解剂量分布在吞咽困难中的作用将有助于探索放射治疗技术的改进。作为临床试验的一部分，重建了249例患者咽粘膜的3D剂量分布。Pydicom用于提取DICOM（医学数字成像和通信）数据（医学成像和放射治疗数据的标准文件格式）。NumPy和SciPy用于操作数据以生成递送到咽粘膜的剂量分布的3D图，并计算描述剂量分布的度量。使用Pandas和SciKit-Learn进行重度吞咽困难的多变量预测建模，包括剂量分布和相关临床因素的描述。Matplotlib和Mayavi用于2D和3D数据可视化。训练了一个支持向量分类模型，使用随机逻辑回归进行特征选择，以预测辐射引起的严重吞咽困难。当独立验证该模型时，受试者工作特征曲线下面积为0.54。该模型的预测能力较差，目前正在通过其他特征工程和统计建模方法改进该模型。
2014-12-19 cs.CE physics.med-ph q-bio.QM
Identifying Promising Candidate Radiotherapy Protocols via GPU-GA in-silico
研究提出名为GPU-GA的高通量高保真肿瘤-辐射模拟方法，应用于乳腺癌细胞球，通过分析超950万方案，在总剂量限制内扩展大分割搜索空间，实现比现有最优方法高达33.7%的肿瘤抑制提升。
2023-04-06 physics.med-ph
JulianA.jl -- A Julia package for radiotherapy
针对放射治疗软件封闭分散、难以利用现代编程生态的问题，本文提出 Julia 软件包 JulianA.jl，通过模块化灵活架构对接各类可脚本化治疗计划系统，支持高效算法实现与自动治疗计划。
2024-07-04 physics.med-ph
Modeling of Radiation Pneumonitis after Lung Stereotactic Body Radiotherapy: A Bayesian Network Approach
背景和目的：肺癌的立体定向体部放疗（SBRT）伴随着不可忽视的放射性肺炎（RP）风险。本研究提出了一个贝叶斯网络（BN）模型，连接生物学，剂量学和临床RP风险因素。材料和方法：43例非小细胞肺癌患者接受了5次以下SBRT治疗。候选RP风险因素包括剂量-体积参数、先前报告的临床RP因素、基线和治疗后6周的6种蛋白质生物标志物。从训练组群（N=32）中的变量的子集构建BN集合模型，并在独立验证组群（N=11）中进一步测试。结果如下：在BN集合中确定的预测RP风险的关键因素是同侧V5、接受超过105%处方的肺体积和血管紧张素转换酶（ACE）从基线至6周的降低。BN系综模型的外部验证得出的曲线下面积为0.8。结论：BN模型确定了SBRT诱导RP的潜在关键因素，如肺中的高剂量溢出和ACE表达水平的变化。由于其概率特性，该模型的预测潜力是有希望的。
2015-12-23 physics.med-ph
LUND-PROBE -- LUND Prostate Radiotherapy Open Benchmarking and Evaluation dataset
针对前列腺癌放射治疗中手动分割数据获取繁琐耗时的问题，本文发布含432例患者MRI、sCT图像、分割结果及剂量分布的公开临床数据集（含35例扩展数据），助力相关领域研究与DL模型评估。
2025-04-12 cs.CV eess.IV physics.med-ph
Deep learning for accelerating Monte Carlo radiation transport simulation in intensity-modulated radiation therapy
癌症是世界范围内发病率和死亡率的主要原因。放射治疗在肿瘤治疗中发挥着越来越重要的作用。在放射治疗中，为了达到杀死肿瘤和保护健康组织的目的，需要计算和评价患者体内的剂量分布图。蒙特卡罗（MC）辐射输运计算能够考虑三维非均匀介质（如人体）中辐射物理的各个方面，并准确地生成剂量分布图。然而，放射治疗剂量的MC计算通常需要花费大量的时间来达到可接受的统计不确定度，这阻碍了MC方法的更广泛的临床应用。在这里，我们引入了一个卷积神经网络（CNN），称为蒙特卡罗去噪网络（MCDNet），以实现加速放射治疗中的MC剂量计算，它被训练成直接从低光子（噪声多）剂量图预测高光子（无噪声）剂量图。30例直肠癌术后接受调强放射治疗（IMRT）的患者入选本研究。3D伽马指数通过率（GIPR）用于评价预测剂量图的性能。实验结果表明，MCDNet可以提高1x107光子的剂量图的GIPR超过1x108光子，产生超过10倍的加速在MC模拟IMRT中使用的光子数。这是一个很大的潜力，以研究这种方法对其他肿瘤部位和治疗方式的性能。
2019-10-17 physics.med-ph
Post-Radiotherapy PET Image Outcome Prediction by Deep Learning under Biological Model Guidance: A Feasibility Study of Oropharyngeal Cancer Application
University of California Los Angeles（加利福尼亚大学洛杉矶分校）；Duke University Medical Center（杜克大学医学中心）
本文开发了一种基于放射前图像和放射治疗剂量信息的生物引导深度学习方法，用于放射后FDG-PET图像结果预测。基于经典的反应扩散机制，提出了一种新的生物学模型，该模型采用偏微分方程，将空间辐射剂量分布作为患者特异性治疗信息变量。设计并训练了一个基于7层编码器-解码器的卷积神经网络（CNN）来学习所提出的生物模型。因此，该模型可以生成辐射后FDG-PET图像结果预测，其具有从放射治疗前图像状态到放射治疗后状态的可能的时间序列转变。该方法是使用64名口咽患者在IMRT输送20 Gy（2 Gy/每日剂量）之前和之后进行配对FDG-PET研究而开发的。在双分支深度学习执行中，所提出的CNN从配对的FDG-PET图像和空间剂量分布中学习生物模型中的特定项，如在一个分支中，并且生物模型在另一个分支中生成20 Gy后FDG-PET图像预测。所提出的方法成功地产生后20戈瑞FDG-PET图像的结果预测与分解说明的生物模型组件。生成时间序列FDG-PET图像预测，以证明疾病反应渲染的可行性。开发的生物引导深度学习方法实现了20 Gy后FDG-PET图像结果预测，与地面实况结果非常一致。通过分解生物建模组件，结果图像预测可用于自适应放射治疗决策，以优化个性化计划，以获得未来的最佳结果。
2021-05-22 cs.CV eess.IV physics.med-ph
Shell feature: a new radiomics descriptor for predicting distant failure after radiotherapy in non-small cell lung cancer and cervix cancer
目的建立一种新的预测非小细胞肺癌（NSCLC）和宫颈癌（CC）患者远处转移失败的肿瘤外壳特征。患者和方法使用48例接受立体定向体部放射治疗（SBRT）的NSCLC患者和52例接受体外放射治疗和同步化疗后接受高剂量率腔内近距离放射治疗的CC患者的治疗前正电子发射断层成像（PET）图像构建壳层预测模型。从一系列轴向PET切片中提取由肿瘤边界周围的外部体素组成的壳特征。这一特征背后的假设是，非侵袭性和侵袭性肿瘤在肿瘤周边可能具有不同的形态学模式，这反过来反映了PET图像中放射学表现的差异。利用支持向量机（SVM）分类器对贝壳进行分类，并与基于灰度共生矩阵（GLCM）的纹理、基于邻域灰度色调差矩阵（NGTDM）的纹理以及这四种特征的组合进行比较。根据准确性、灵敏度、特异性和受试者工作曲线下面积（AUC）对结果进行评估。结果对于NSCLC，外壳特征实现的AUC为0.82，而其他特征实现的最高AUC为0.76。同样，对于CC，外壳特征实现的AUC为0.83，而其他特征实现的最高AUC为0.76。此外，在所有情况下，外壳和其他特征之间的性能差异显著（P < 0.005）。结论我们提出了一种与肿瘤转移相关的基于边界的壳特征。对于NSCLC和CC的远端失效预测，外壳特征显示出比所有其他特征更好的预测性能。
2017-09-27 physics.med-ph q-bio.TO
A deep learning-based framework for segmenting invisible clinical target volumes with estimated uncertainties for post-operative prostate cancer radiotherapy
University of Texas Southwestern Medical Center（德克萨斯大学西南医学中心）
在前列腺癌的术后放射治疗中，癌性前列腺已被手术切除，因此待照射的临床靶体积（CTV）包括肿瘤细胞的微观扩散，其在诸如计算机断层扫描或磁共振成像的典型临床图像中无法可视化。在当前的临床实践中，医生根据临床指南，基于CTV与附近器官的关系和其他临床信息手动分割CTV。用传统的图像分割方法自动进行术后前列腺CTV分割一直是一个重大挑战。在这里，我们提出了一个深度学习模型来克服这个问题，首先分割附近的器官，然后利用它们与CTV的关系来辅助CTV分割。所提出的模型是使用临床批准的标签进行训练的，并用于患者治疗，由于缺乏视觉基础事实，这些标签会受到相对较大的医生间差异的影响。该模型在50名患者的holdout数据集上实现了0.87的平均Dice相似性系数（DSC），远优于已建立的方法，例如基于图谱的方法（DSC<0.7）。与自动分割CTV轮廓的不确定性也估计，以帮助医生检查和修改的轮廓，特别是在大的医生间的变化。我们还使用了一个4点分级系统，以表明自动分割的CTV轮廓的临床质量等于由医生手动绘制的批准的临床轮廓。
2020-04-28 cs.LG eess.IV physics.med-ph
Optimal Surface Marker Locations for Tumor Motion Estimation in Lung Cancer Radiotherapy
在肺癌放射治疗中，使用患者体表的基准标记来预测肿瘤位置是一种广泛使用的方法。这项工作的目的是提出一种算法，自动识别一组稀疏的位置在病人的表面上的肿瘤运动的最佳预测能力。外表面上标记物的稀疏选择以及标记物运动与内部肿瘤运动之间的假定线性关系由预测矩阵表示。这样的矩阵通过求解优化问题来确定，其中目标函数包含惩罚在患者表面上选择的标记的数量的稀疏项。我们的算法的性能进行了测试，现实的临床数据的四个肺癌患者。研究中使用了具有10个相位的胸部4DCT扫描。在参考相位上，点的网格被投射在患者的表面上（除了患者的背部），并且经由对应的CT图像的可变形图像配准被传播到其他相位。每个阶段的肿瘤位置也被手动描绘。我们使用4DCT图像的10个相位中的9个来识别与肿瘤运动最相关的一小组表面标记，并同时找到预测矩阵。第10阶段用于测试预测的准确性。发现平均需要6至7个表面标记来预测肿瘤位置，3D误差约为1mm。此外，所选择的标记位置紧密地位于表面点运动与肿瘤运动具有高度相关性的那些区域中。我们的方法可以自动选择稀疏的位置在病人的外表面上，并估计基于4DCT的相关矩阵，使选定的表面位置可以用来放置基准标记，以最佳地预测内部肿瘤运动。
2012-04-19 math.OC physics.med-ph
Enhanced Tumor Accumulation of Sub-2 nm Gold Nanoclusters for Cancer Radiation Therapy
本研究提出了一种新型的可代谢的、有效的肿瘤放射增敏剂，其通过将超小的金纳米团簇（NCs，<2nm）与生物相容性涂层配体（谷胱甘肽，GSH）相结合来实现。新的纳米结构（GSH-包覆的Au 25 NC）继承了Au核（强放射增敏作用）和GSH壳（良好的生物相容性）的吸引人的特征。它可以通过增强EPR效应优先在肿瘤中积聚，从而导致癌症放射治疗的强烈增强。治疗后，小尺寸的GSH-Au 25 NC可以被肾脏有效清除，最大限度地减少由于Au 25 NC在体内积累而引起的任何潜在副作用。
2013-08-30 physics.bio-ph physics.med-ph
TransAnaNet: Transformer-based Anatomy Change Prediction Network for Head and Neck Cancer Patient Radiotherapy
UT 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）；Central Arkansas Radiation Therapy Institute（中央阿肯色放射治疗研究所）
提出一种基于Transformer的UNet风格网络TransAnaNet，利用CT、剂量和CBCT预测头颈癌放疗中的解剖变化，在121例患者上验证，预测图像与真实图像高度相似，可辅助自适应放疗决策。
2024-05-23 cs.CV physics.med-ph
Ultrasmall Glutathione-Protected Gold Nanoclusters as Next Generation Radiotherapy Sensitizers with High Tumor Uptake and High Renal Clearance
放射治疗通常是实体瘤最直接的一线癌症治疗。虽然它对肿瘤非常有效，但对健康的近端组织也有附带损害，特别是高剂量。放射增敏剂的使用是提高放射治疗对肿瘤杀伤效率的有效方法，同时大大限制了接受的剂量并减少了对正常组织的可能损害。在这里，我们报告了一种良好的放射增敏剂的设计和应用，通过使用超小的金纳米团簇与天然存在的肽（例如，谷胱甘肽或GSH）作为保护壳。GSH包被的金纳米团簇可以逃避RES吸收，导致良好的肿瘤摄取（在注射后24小时为8.1%ID/g）。因此，所设计的Au纳米团簇导致放射治疗的强烈增强，以及对正常组织的可忽略不计的损伤。在治疗后，超小的金纳米团簇可以被肾脏有效地清除，从而避免由金原子在体内积累引起的潜在长期副作用。我们的数据表明，超小肽保护的金纳米团簇是一个有前途的放射增敏剂的癌症放射治疗。
2015-03-04 physics.bio-ph physics.med-ph
Development of a defacing algorithm to protect the privacy of head and neck cancer patients in publicly-accessible radiotherapy datasets
McGill University（麦吉尔大学）；Research Institute of the McGill University Health Centre（麦吉尔大学健康中心研究所）；Gerald Bronfman Department of Oncology, McGill University（麦吉尔大学杰拉尔德·布朗夫曼肿瘤学系）
本研究开发了一种新的自动去脸算法，用于在保护头颈癌患者隐私的同时保留关键结构，使公共放射治疗数据集能够用于大数据和人工智能研究。
2025-08-19 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
EXACT-Net:EHR-guided lung tumor auto-segmentation for non-small cell lung cancer radiotherapy
Johns Hokins University（约翰斯·霍普金斯大学）；Carina Medical（卡瑞纳医疗）；University of Minnesota（明尼苏达大学）；Mayo Clinic（梅奥诊所）
本文提出EXACT-Net，利用预训练大语言模型从电子健康记录中提取信息以去除肺结节检测中的假阳性，在十名NSCLC患者数据上使成功结节检测率提升250%。
2024-07-31 cs.CV eess.IV physics.med-ph
A Mathematical Model of Thyroid Disease Response to Radiotherapy
提出了甲状腺疾病分子放射治疗的机理生物数学模型。一般模型由一组微分方程组成，描述了放射治疗引起的不同程度损伤的甲状腺细胞（未损伤细胞、亚致死损伤细胞、死亡细胞和死亡细胞）的动态，以及甲状腺球蛋白和抗甲状腺球蛋白自身抗体的动态，这些是治疗反应的重要替代物。该模型有两种形式：一方面，作为一个确定性的连续模型，这是有用的人口数据拟合，另一方面，作为一个随机马尔可夫模型，这是特别有用的调查肿瘤控制概率和治疗个体化。该模型被用来适应反应动力学（肿瘤/甲状腺体积，甲状腺球蛋白和抗甲状腺球蛋白自身抗体）中观察到的甲状腺癌和格雷夫斯病的实验研究与I-131-放射治疗。实现了模型与实验数据的定性充分拟合。我们还使用该模型来研究分化型甲状腺癌的治疗个体化策略，旨在提高肿瘤控制概率。我们发现，基于肿瘤中的吸收剂量和肿瘤放射敏感性（这两个量值都可以潜在地针对每个患者单独确定）的简单个体化策略可以导致肿瘤控制概率的重要提高。
2021-10-14 physics.med-ph q-bio.TO
Segmentation Regularized Training for Multi-Domain Deep Learning Registration applied to MR-Guided Prostate Cancer Radiotherapy
Memorial Sloan Kettering Cancer Center（纪念斯隆-凯特琳癌症中心）；University Medical Center Utrecht（乌得勒支大学医学中心）
本文提出分割正则化训练的ProRSeg方法，用于MR引导前列腺癌放疗中的多域MR-MR配准，在跨域测试中表现良好，并初步验证了剂量累积评估治疗依从性的可行性。
2025-07-09 cs.CV physics.med-ph
One-for-All Adaptive Radiotherapy Planning Agent: A Foundation Framework for Daily CBCT-guided Radiotherapy
Emory University（埃默里大学）；The University of Chicago（芝加哥大学）；Memorial Sloan Kettering Cancer Center（纪念斯隆-凯特琳癌症中心）
介绍一适用于所有情况的自适应放射治疗计划智能体，它基于统一基础模型，能从每日锥束CT执行在线自适应计划，自主预测关键组件并设计临床计划，经多数据集评估，其准确性和计划质量与临床方案相当，为放射治疗带来新机遇。
2026-07-17 physics.med-ph
Deterministic Partial Differential Equation Model for Dose Calculation in Electron Radiotherapy
高能电离辐射治疗是现代肿瘤治疗的主要手段之一，已在临床上得到广泛应用。在过去的几十年中，剂量计算主要采用两种方法，蒙特卡罗模拟和基于费米-艾格斯理论的半经验模型。剂量计算的第三种方法最近才引起医学物理界的注意。该方法基于确定性的辐射转移动力学方程。从这些出发，我们推导出一个宏观偏微分方程模型的电子输运在组织。该模型涉及相空间中的角闭合。它是准确的自由流和各向同性制度。我们解决了它的数值上的一个新开发的HLLC计划的基础上[BerCharDub]，精确地保留了离散水平上的解析解的关键属性。从医学物理文献的测试情况下的几个数值结果。
2009-12-09 physics.med-ph
Three-Dimensional Radiotherapy Dose Prediction on Head and Neck Cancer Patients with a Hierarchically Densely Connected U-net Deep Learning Architecture
University of Texas Southwestern Medical Center（德克萨斯大学西南医学中心）
头颈部（H&N）癌症患者的治疗计划过程被认为是最复杂的，由于大的目标体积，多个处方剂量水平，以及许多辐射敏感的关键结构附近的目标。该部位的治疗计划需要高水平的人类专业知识和大量的努力来制定个性化的高质量计划，需要长达一周的时间，这降低了肿瘤控制和患者生存的机会。为了解决这个问题，我们建议研究一种基于深度学习的剂量预测模型，分层密集连接U网，它基于两种非常流行的网络架构：U网和DenseNet。我们发现，这种新的架构是能够准确和有效地预测剂量分布，优于其他两个模型，标准U-网络和DenseNet，在均匀性，剂量一致性，剂量覆盖测试数据。对所有有风险的器官进行平均，我们提出的模型能够预测有风险的器官的最大剂量在6.3%以内，平均剂量在测试数据的处方剂量的5.1%以内。其他模型，标准U-net和DenseNet，表现较差，平均器官风险最大剂量预测误差分别为8.2%和9.3%，平均平均剂量预测误差分别为6.4%和6.8%。此外，我们提出的模型使用的可训练参数比标准U型网络少12倍，预测患者剂量的速度比DenseNet快4倍。
2019-02-04 cs.CV cs.LG physics.med-ph
Adversarial Prediction of Radiotherapy Treatment Machine Parameters
现代外照射癌症放射疗法将规定的辐射剂量应用于肿瘤靶点，同时最小限度地影响附近的脆弱器官（OAR）。创建治疗计划是困难和耗时的，并且不能保证最优性。基于知识的计划（KBP）通过基于先前临床质量计划的群体的概率模型指导计划来减轻这种不确定性。我们已经开发了一个KBP启发的规划模型，预测计划作为治疗机参数的实现。这些是直线加速器（Linac）机架角度元组、成形射束的多叶准直器（MLC）孔径和孔径强度权重，孔径强度权重可以在与患者目标解剖结构的投影（射束眼视图）同构的坐标系中以图形方式表示。这些配对数据训练条件生成对抗网络（cGAN），其估计新患者的MLC孔径和权重，从而预测治疗计划。预测计划的OAR节约接近于临床计划的OAR节约;预测目标覆盖率需要细化以匹配临床计划的质量。尽管如此，预测的计划可以用作计划质量的下限，并且通过初始化MLC孔径形状和权重细化可以显著减少该细化的计算时间。
2021-07-05 physics.med-ph
Optimization Strategies for Beam Direction and Dose Distribution Selection in Radiotherapy Planning
本文研究利用CNN结合PSO和GWO优化算法自动选择放射治疗射束方向与剂量分布，在70例前列腺癌数据上验证其效果可与传统列生成方法相当，显著缩短计划时间并提升计划质量。
2023-12-03 math.OC physics.med-ph
New Insights into Automatic Treatment Planning for Cancer Radiotherapy Using Explainable Artificial Intelligence
Department of Physics, The University of Texas at Arlington（德克萨斯大学阿灵顿分校物理系）；Department of Radiation Oncology and Molecular Radiation Sciences, Johns Hopkins University（约翰霍普金斯大学放射肿瘤学与分子放射科学系）
本研究针对癌症放疗自动治疗计划中AI智能体决策不透明的问题，通过EXAI方法分析ACER智能体的DVH输入到TPP调整决策的归因，揭示其决策过程并验证高性能智能体的规划效果，为提升临床信任和优化计划提供新见解。
2025-08-19 cs.AI physics.med-ph
Actor Critic with Experience Replay-based automatic treatment planning for prostate cancer intensity modulated radiotherapy
The University of Texas at Arlington（德克萨斯大学阿灵顿分校）；Johns Hopkins University（约翰霍普金斯大学）
提出基于ACER的深度强化学习智能体，仅用单病例训练即可在前列腺癌IMRT中自动调优治疗计划参数，实现高效高质量计划制定，并具备强泛化性与对抗鲁棒性。
2025-02-01 cs.AI cs.LG physics.med-ph
Minimizing Metastatic Risk in Radiotherapy Fractionation Schedules
转移是来自原发性肿瘤的细胞分散并在远处解剖位置形成新肿瘤的过程。转移性癌症的治疗和预防仍然是一个极具挑战性的问题。这项工作引入了一种新的生物学动机的目标函数的辐射优化社区，考虑转移风险，而不是原发性肿瘤的状态。在这项工作中，我们考虑的问题，制定分次照射计划，尽量减少生产的转移性癌细胞，同时保持正常组织损伤低于可接受的水平。一个动态规划框架，用于确定最佳的分馏方案。我们评估了我们的方法对乳腺癌的情况下，使用心脏和肺作为器官的风险（OAR）。对于小肿瘤$α/β$值，低分次方案是最佳的，这与标准模型一致。然而，对于相对较大的$α/β$值，我们发现计划的类型取决于各种参数，如评估转移风险的时间、OAR的$α/β$值和正常组织保留因子。有趣的是，与标准模型相反，即使肿瘤$α$ / $β$值较大，也建议采用低分次和半低分次方案（初始剂量较大，剂量随时间逐渐减少）。数值结果表明转移风险有可能显著降低。
2015-11-17 physics.med-ph q-bio.PE q-bio.TO
Physics-Guided Radiotherapy Treatment Planning with Deep Learning
University of Amsterdam, Amsterdam, The Netherlands（阿姆斯特丹大学）；The Netherlands Cancer Institute, Amsterdam, The Netherlands（荷兰癌症研究所）
提出一种两阶段物理引导的深度学习流程用于放疗计划，通过结合治疗参数直接监督和预测3D剂量分布的物理监督，在前列腺癌VMAT治疗中生成与临床真实值高度匹配且减少危及器官辐射的计划。
2025-06-23 cs.AI physics.med-ph
The Role of Free-breathing GRASP MRI in Accurate Phase Matching with 4D-CT for Motion Representation in Liver Cancer Radiotherapy
Tongji Hospital, Tongji Medical College, Huazhong University of Science & Technology（华中科技大学同济医学院同济医院）；Department of Radiation Oncology, National Cancer Center/National Clinical Research Center for Cancer/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College（中国医学科学院北京协和医学院肿瘤医院/国家癌症中心/国家临床医学研究中心放射肿瘤科）；School of Electronic Engineering, Beijing University of Posts and Telecommunications（北京邮电大学电子工程学院）
研究自由呼吸GRASP MRI能否代表肝癌立体定向放疗中的呼吸运动，发现其仅在30%-60%呼吸相位（最佳50%）准确表征运动，需结合4D-CT或动态成像。
2026-06-06 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
Deep Learning (DL)-based Automatic Segmentation of the Internal Pudendal Artery (IPA) for Reduction of Erectile Dysfunction in Definitive Radiotherapy of Localized Prostate Cancer
University of Texas Southwestern Medical Center（德克萨斯大学西南医学中心）
背景和目的：放射性勃起功能障碍（RiED）是前列腺癌患者常见的并发症。在多个机构开展了临床试验，以调查对阴部内动脉（IPA）进行剂量节省是否会改善性能力的保持。由于分割困难，IPA通常不被认为是传统的危及器官（OAR）。在这项工作中，我们提出了一种基于深度学习（DL）的IPA自动分割模型，该模型利用CT和MRI或单独使用CT作为输入图像模态，以适应临床实践中的变化。材料与方法：收集86例CT和MRI图像和噪声IPA标签的患者。我们将数据分为42/14/30，分别用于模型训练、测试和临床观察者研究。该模型有三个主要创新：1）我们设计了一个具有挤压和激发块和模态注意力的架构，用于有效的特征提取和准确分割的产生，2）一个新的损失函数用于使用噪声标签有效地训练模型，3）模态丢弃策略用于使模型能够在没有MRI的情况下进行分割。结果：测试数据集的DSC、ASD和HD 95值分别为62.2%、2.54 mm和7 mm。AI分割轮廓在剂量学上等同于专家医生的轮廓。观察者研究表明，专家医生的AI轮廓评分（平均值=3.7）高于无经验医生的轮廓评分（平均值=3.1）。当缺乏经验的医生开始使用AI轮廓时，评分提高到3.7。结论：该模型实现了高质量的IPA轮廓，以提高分割的均匀性，并有助于将标准化的IPA分割引入临床试验和实践。
2023-02-03 cs.CV eess.IV physics.med-ph
A physics-informed, plug-and-play dose engine for gradient-based radiotherapy treatment planning
Umeå University（于默奥大学）；Medical University of Vienna（维也纳医科大学）
本文提出PyDoseRT，一种基于物理的、GPU加速的剂量引擎，用于基于梯度的放疗治疗计划优化，无需依赖商业TPS，提高临床有效性与研究灵活性。
2025-12-21 physics.med-ph
