调强放疗计划中两种不同子野生成算法的对比研究

【作 者】曾锦清，周凌宏

南方医科大学生物医学工程学院，广州，510515

在调强放射治疗（IMRT）的计划设计中，是根据目标函数去产生各个大照射野的光通量分布，然后再根据光通分布去优化生成若干个调强子野，以达到最终使计划的剂量分布线跟照射靶区更加适型。目前，放疗计划系统中是通过“两步法”[1,2]和“一步法”[3]这两种优化算法，去实现大野的光通分布生成和完成调强子野的最终转化。“两步法”是对调强子野的生成分为两个独立的步骤来实施：（1）根据设定的目标函数，采用特定的调强优化算法（模拟退火[4]、遗传算法[5]和共轭梯度[6]等）计算并产生各个大照射野的光通强度分布，并最终完成计划的优化过程；（2）根据静态的光通分布，再进一步转化为若干个调强子野。而“一步法”则是对上述的子野生成过程合并为一步完成，即是在调强计划的自动优化过程中，同时实现对光通分布的生成和调强子野的转化，并根据转换成子野后的剂量分布结果再进一步优化下一次迭代计算中的光通分布。有相关文献报道[7，8]，在头颈部肿瘤的IMRT计划设计中，使用“一步法”的DMPO模块[3]能够明显减少子野的生成数量和总MU数，从而缩短了整个治疗的时间，而且计划的结果较以前的方法（两步法）更好。本研究分别选取头颈部、胸腹部肿瘤的调强计划，分别用“一步法”和“两步法”进行计划的设计，通过比较相关结果，以验证“一步法”在调强优化中的优势。

1 材料与方法

在“Pinnacle 8.0”放疗计划系统的平台上，选取鼻咽癌（NPC）、食道癌及前列腺癌的肿瘤病例各1例，对此三例肿瘤靶区分别设置7野角度均分的共面调强放射治疗计划，射野中心置放于靠近靶区PTV的中心位置。7个大野的角度分别是0o、51o、103o、154o、206o、257o、309o，对每一例肿瘤靶区分别使用“一步法”[3]和“两步法”[1-2]去优化生成最终的调强子野，如此相对应产生两个不同的调强计划，以进行比较评估。

“两步法”和“一步法”的具体实施步骤可用图1所示的流程图来表示：

图1 “二步法”调强优化Fig.1 “two-step”method for IMRT optimization

图2 “一步法”调强优化Fig.2 “one-step”method for IMRT optimization

2 结果

所选取的三例肿瘤放疗计划中，鼻咽癌（NPC）的处方剂量是：GTV－6990cGY（30次，233cGY/次），CTV－6390cGY（30次，213cGY/次），PTV－4890cGY（30次，166cGY/次）；食道癌处方剂量：GTV－6600cGY（22次，300cGY/次），CTV－5000cGY（22次，227cGY/次），PTV－3960cGY（22次，180cGY/次）；前列腺癌处方剂量：GTV－6990cGY（30次，233cGY/次），CTV－6000cGY（30次，200cGY/次），PTV－5000cGY（30次，167cGY/次）。其中通过“两步法”对鼻咽癌进行调强优化后所生成的子野总数是169，用“一步法”所生成的子野总数为80，食道癌的“两步法”子野生成数为114，“一步法”生成子野数为70，前列腺癌“两步法”子野数123，“一步法”子野数为70，如下表1所示。

表1 “两步法”与“一步法”生成子野数Tab.1 The number of MLC segments generated by “one-step”and “twostep”methods

图3 鼻咽癌调强计划DVH图Fig.3 DVH figure for NPC IMRT

图4 食道癌调强计划DVH图Fig.4 DVH figure for Esophageal cancer IMRT plan

图5 前列腺癌调强计划DVH图Fig.5 DVH figure for prostate cancer IMRT Plan

在图3、图4和图5所示的DVH图中，实线曲线部分表示用“两步法”优化生成子野后，计算积分剂量分布后的结果，虚线部分是“一步法”生成子野算法的剂量分布累积直方图。通过图形中的直观对比后发现，“一步法”剂量分布结果总体要比“两步法”的更好，前者的危及正常组织受照剂量总体上偏低，且肉眼靶区（GTV）、临床靶区（CTV）、计划靶区（PTV）的吸收剂量总体更高。结合表1的结果可以看出，一步法更大大减少了子野的生成数量。

3 讨论

传统的“两步法”是在调强优化过程结束后，将产生的射野光通量分布转化为最终的MLC子野。而“一步法”则是把射野光通量的产生跟MLC子野的转化这两步都合，并在逆向调强优化的过程中来完成。本文在Pinnacle计划系统上设计三个不同部位放疗靶区的调强计划，分别通过“两步法”与“一步法”去优化生成MLC子野，最终结果表明，使用“一步法”的DMPO模块确实能够大大减少用“两步法”生成的一些多余调强子野，且会使最终的剂量分布结果更趋于理想化。

[1]Bratengeier K.2-Step IMAT and 2-Step IMRT: A geometrical approach[J].Medical Physics,2005,32: 777-785.

[2]Bratengeier K.2-Step IMAT and 2-Step IMRT in three dimensions[J].Medical Physics,2005,32: 3849-3861.

[3]Dobler B,Pohl F,Bogner L,Koelbl O.Comparison of direct machine parameter optimization versus fluence optimization with sequential sequencing in IMRT of hypopharyngeal carcinoma[J].Radiation Oncology,2007,2: 33-36.

[4]高磊,张军华,王华明,等.调强放疗治疗计划制定中的改进模拟退火算法[J].医疗卫生装备,2006,27(8): 23-24.

[5]周凌宏,唐木涛,王卓宇,等.基于遗传算法的剂量优化技术研究[J].南方医科大学学报,2007,27(1): 46-48.

[6]曹瑞芬,裴曦,郑华庆,等.基于共轭梯度法的调强放疗射束强度分布优化[J].原子核物理评论,2010,27(2): 212-218.

[7]S Tung*,M Lii,P Lai,P Wong,et al.Clinical evaluation of direct machine parameter optimization algorithm for head and neck imrt treatment[J].Medical Physics,2005,32,6-10.

[8]P Xia,E Ludlum,K M.Bucci,et al.Improvement in IMRT delivery for head and neck patients using simplified imrt plans and enhanced IMRT delivery system[J].Medical Physics,2005,32(6): 12-17.