期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
Geant4中不同物理列表对硼中子俘获治疗剂量分布的影响 被引量:1
1
作者 陈昭 雷琴 +4 位作者 杨鹏 文玉梅 何冬林 吴章文 勾成俊 《中国医学物理学杂志》 CSCD 2019年第1期1-5,共5页
Geant4是基于C++编写的开源蒙特卡洛模拟软件,提供多种包含中子与物质相互作用的物理列表。本研究采用Geant4提供的几种物理列表,对沿中子束方向的总吸收剂量、硼剂量和非硼剂量深度分布进行计算,并与FLUKA进行比较,模拟中子能量从0.025... Geant4是基于C++编写的开源蒙特卡洛模拟软件,提供多种包含中子与物质相互作用的物理列表。本研究采用Geant4提供的几种物理列表,对沿中子束方向的总吸收剂量、硼剂量和非硼剂量深度分布进行计算,并与FLUKA进行比较,模拟中子能量从0.025 3 eV到10 MeV。对于整个模拟中子能段,结果显示添加S(α,β)热模型的高精度中子物理列表(Geant4_HP_T)在总吸收剂量、硼剂量和非硼剂量深度分布上均与FLUKA符合很好,初步验证了Genat4能应用于硼中子俘获治疗(BNCT)相关研究。对于低能中子(<1 MeV),S(α,β)热模型对BNCT剂量深度分布的影响较大,QBBC和QGSP_BERT不适用于BNCT剂量分布计算。 展开更多
关键词 硼中子俘获治疗 硼剂量 非硼剂量 剂量深度分布 GEANT4 FLUKA
下载PDF
构建混合多尺度神经网络自动分割Graves眼病的放疗临床靶区
2
作者 张盛元 何奕松 +3 位作者 罗勇 勾成俊 傅玉川 吴章文 《中国医学物理学杂志》 CSCD 2023年第3期267-271,共5页
目的:构建混合多尺度神经网络(HMnet)实现放疗临床靶区的自动勾画,提供一个高精度的CT影像自动分割模型。方法:HMnet是一种端到端的卷积神经网络,使用深度残差网络提取特征,由4个不同内核的卷积层组成的多尺度特征融合模块进行处理,以... 目的:构建混合多尺度神经网络(HMnet)实现放疗临床靶区的自动勾画,提供一个高精度的CT影像自动分割模型。方法:HMnet是一种端到端的卷积神经网络,使用深度残差网络提取特征,由4个不同内核的卷积层组成的多尺度特征融合模块进行处理,以适应不同尺度大小的临床靶区;再引入注意力残差模块对多尺度特征融合模块输出的有效特征进行强化。共采用117例Graves眼病病例的CT影像数据和临床靶区轮廓训练和评估HMnet,选择骰子相似系数(DSC)、95%豪斯多夫距离(95HD)作为评估指标。结果:采用HMnet进行Graves眼病放疗临床靶区自动勾画的DSC为0.8749,95HD为2.5254 mm,均优于Unet、Vnet、ResAttUnet3D网络,也优于同一位医生两次勾画结果的平均DSC。结论:HMnet能准确实现Graves眼病放疗临床靶区的自动勾画,可提高放疗医生的工作效率及勾画的一致性。 展开更多
关键词 GRAVES眼病 混合多尺度神经网络 图像分割 深度学习
下载PDF
分子动力学再优化算法应用于调强放射治疗 被引量:1
3
作者 文玉梅 黄静 +5 位作者 龙凤翔 何冬林 陈昭 雷琴 吴章文 勾成俊 《中国医学物理学杂志》 CSCD 2017年第8期770-775,共6页
目的:研究在引入模拟退火算法后,分子动力学再优化算法应用到调强放射治疗(IMRT)计划制定过程中的可行性。方法:在利用分子动力学完成IMRT计划后,再利用模拟退火方法对子野叶片位置和子野跳数进行进一步优化,最后用AAPM119号报告提供的... 目的:研究在引入模拟退火算法后,分子动力学再优化算法应用到调强放射治疗(IMRT)计划制定过程中的可行性。方法:在利用分子动力学完成IMRT计划后,再利用模拟退火方法对子野叶片位置和子野跳数进行进一步优化,最后用AAPM119号报告提供的测试例评估该算法是否满足处方剂量要求。结果:模拟多靶区、模拟前列腺肿瘤、模拟头颈肿瘤和模拟C形靶区(第一种情况)的优化结果满足并优于处方剂量要求。对于约束更严格的模拟C形靶区(第二种情况),优化结果略低于处方要求。总体结果比AAPM119号报告对其它系统的评价更好。结论:在引入模拟退火方法后,分子动力学再优化算法可以满足调强计划的处方要求。 展开更多
关键词 分子动力学算法 模拟退火算法 调强放射治疗 再优化
下载PDF
调强放疗中剂量引导的自适应处方剂量优化方法 被引量:2
4
作者 尹楚欧 杨鹏 +6 位作者 张盛元 崔凤洁 王宁宇 顾少娴 胡金有 吴章文 勾成俊 《中国医学物理学杂志》 CSCD 2021年第12期1460-1463,共4页
目的:根据处方剂量与实际剂量的差距自动优化目标函数中体元的处方剂量,达到优化治疗计划质量的目的。方法:根据常规的处方剂量设置方法和基于体元的自适应处方剂量优化方法,选取病例进行计划设计和优化,并对比两种计划的剂量-体积直方... 目的:根据处方剂量与实际剂量的差距自动优化目标函数中体元的处方剂量,达到优化治疗计划质量的目的。方法:根据常规的处方剂量设置方法和基于体元的自适应处方剂量优化方法,选取病例进行计划设计和优化,并对比两种计划的剂量-体积直方图和相关剂量学参数。结果:相对于常规计划,自适应计划中靶区的最大剂量降低,热点减少,剂量分布更加均匀,并且危及器官受到的剂量减小,经过优化的计划所有参数均满足剂量目标。结论:自适应处方剂量优化方法能够优化放疗计划,可以被集成到计划系统中用于临床。 展开更多
关键词 调强放疗 处方剂量 优化 治疗计划系统
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部