声明
1 引言
1.1 放射治疗的发展
1.2 人工智能技术发展
1.3 论文研究背景及现状
1.4 论文研究目的、内容及意义
2 材料与方法
2.1 病例选择及计划设计
2.1.1 病例选择
2.1.2 CT模拟定位扫描及靶区、危及器官勾画
2.1.3 计划设计
2.2 危及器官的空间信息
2.2.1 靶区外剂量衰减统计与分析
2.2.2 靶区外扩距离选择
2.2.3 构建危及器官空间信息模型
2.2.4 危及器官的空间距离指数获取
2.3 剂量学指数与空间信息相关性分析
2.4 剂量学指数预测模型的构建
2.4.1 人工神经网络原理
2.4.2 神经网络模型搭建
2.5 构建自动计划模板
2.6 统计学方法
3 结果
3.1.1 靶区外剂量衰减规律
3.1.2 外扩距离选择
3.1.3 危及器官与环的交叠结构
3.2 危及器官的空间距离指数
3.3剂量学指数与空间距离指数、PTV体积的相关性
3.4 危及器官剂量指数预测模型
3.4.1 人工神经网络结构
3.4.2 人工神经网络参数
3.5剂量学指数预测值和优化计划对比
3.6 自动计划与优化计划、临床计划对比
3.6.1 靶区HI、CI比较
3.6.2 危及器官剂量学指数比较
4讨论
5 总结和展望
5.1 总结
5.2 展望
参考文献
6 附录
致谢
综述:机器学习在放射治疗中的应用进展
1 引言
2 靶区及危及器官轮廓的勾画
3 放射治疗计划设计
4 放射治疗并发症评估
5 放射治疗质量保证
6 研究展望
参考文献
