简介：摘要目的评价体部立体定向放射疗法(SBRT)对Ⅰ－Ⅱ期早期非小细胞肺癌的临床疗效及安全性。方法回顾分析2012－2018年在浙江省肿瘤医院接受SBRT的早期非小细胞肺癌病例。采用Kaplan-Meier法生存分析，主要研究终点为局部区域控制(LRC)及肿瘤特异生存(CSS)率。结果共纳入142例符合要求病例，中位BED10 100 Gy (100～132 Gy)，中位年龄75.6岁(47.2～89.0岁)，其中高龄≥75岁者75例。中位随访时间31.0个月，<75岁和≥75岁患者的5年LRC率分别为84.5%和95.8%(P＝0.08)，5年CSS率分别为72.4%和78.6%(P＝0.61)。治疗期间全身性反应轻微，所有患者未出现4－5级不良反应事件。早期放射性肺炎中14例(9.9%)2级，2例(1.4%)3级。未发现90d内治疗相关性死亡发生。结论SBRT治疗早期原发性肺癌的5年LRC、CSS率满意，并发症低，与以往报道结果相近，安全有效。

简介：摘要目的研究基于机器学习算法的早期非小细胞肺癌立体定向放疗肺剂量预测方法和应用于计划质量控制的可行性。方法利用机器学习算法实现剂量预测。首先，建立专家计划库，提取计划库中的几何特征信息、照射野角度和剂量体积直方图(DVH)参数，在几何及照射野特征和DVH之间建立相关模型；其次，提取专家库外10例患者的几何和照射野特征信息，利用模型预测可实现的DVH值，并将其与实际计划结果比较。结果10例患者肺平均剂量和V20外部验证的均方根误差分别为91.95 cGy和3.12%。对肺受量高于预测剂量的2例计划进行修改，修改后肺剂量均有所降低。结论对非小细胞肺癌患者制定立体定向放疗计划前，可根据相关数学模型提前预测肺DVH曲线作为计划评估标准，从而保证治疗计划的质量。

简介：摘要目的研究基于多任务学习轻量级卷积神经网络(MTLW-CNN)在肺部危及器官(OAR)自动分割中的应用。方法MTLW-CNN包含多个特征共享层和OAR的对应勾画分支。收集497例肺癌病例，以同时包含肺、心脏和脊髓的CT及医生勾画的轮廓为样本，随机划分300例用于训练与验证，197例用于测试。在测试集应用MTLW-CNN计算OAR的戴斯相似性系数(DSC)，与Unet、DeepLabv3+的DSC、训练及测试时长、空间复杂度(S)进行对比。为研究多任务学习对模型泛化性能的影响，按照MTLW-CNN结构建立3个OAR的单任务学习模型(STLW-CNN)，使用相同数据训练与测试，统计并对比两者DSC。结果MTLW-CNN的肺、心脏、脊髓DSC平均值分别为0.954、0.921、0.904。与Unet、DeepLabv3+的DSC差距<0.020，训练与测试时长是Unet、DeepLabv3+的1/3~1/30，S分别为Unet、DeepLabv3+的1/42、1/1220。STLW-CNN的肺、心脏DSC平均值、标准差与MTLW-CNN差距约为0.005、0.002，脊髓平均值相差0.001，但标准差却比MTLW-CNN高0.014。结论MTLW-CNN以更小的时间、空间代价实现肺部OAR的高精度自动勾画，不仅可以提高模型应用效率，还有利于提高模型的泛化性能。