APP下载

KV-CBCT图像引导技术对肺癌放疗摆位误差影响的研究

2020-11-10罗丹程品晶何健

医学信息 2020年19期
关键词:肺癌

罗丹 程品晶 何健

摘要:目的  基于KV级锥形束CT(KV-CBCT)图像探讨三种不同配准区域ROI对38例肺癌放疗摆位误差的影响。方法  回顾性分析2019年2月~2020年3月宜春市人民医院收治的38例经CBCT图像引导的肺癌IMRT放疗患者的摆位误差,采用三种不同的、渐进的ROIa、ROIb、ROIc对38例肺癌患者图像配准,得到A、B、C三组配准数据,通过图像配准软件得出Lat、Lng、Vrt结果,并进行分析。结果  三组摆位误差的配准数据两两对比,差异无统计学意义(P>0.05);以摆位误差≥2 mm 作为误差发生的标准,B组误差发生率低于A、C组,A、B、C三组Lat、Lng、Vrt三个方向误差发生率比较,差异有统计学意义(P<0.05)。结论  以患侧肺、胸骨、胸椎作为配准范围的自动灰度配准模式,对KV-CBCT图像引导肺癌治疗的日常摆位工作具有临床指导意义。

关键词:肺癌;KV级锥形束CT;图像配准范围;摆位误差

中图分类号:R734.2                                文献标识码:A                                  DOI:10.3969/j.issn.1006-1959.2020.19.054

文章编号:1006-1959(2020)19-0168-03

Abstract:Objective  Based on KV-level cone-beam CT (KV-CBCT) images, to explore the effect of three different registration regions ROI on the positioning error of 38 lung cancer patients.Methods  A retrospective analysis of the positioning errors of 38 patients undergoing CBCT image-guided IMRT radiotherapy for lung cancer admitted to Yichun City Peoples Hospital from February 2019 to March 2020, using three different and progressive ROIa, ROIb, and ROIc pairs 38 image registration of a patient with lung cancer, three sets of registration data of A, B, and C are obtained, and Lat, Lng, and Vrt results are obtained through image registration software and analyzed.Results  The registration data of the three groups of positioning errors were compared in pairs,the difference was not statistically significant (P>0.05); the positioning error ≥2 mm was used as the standard for error occurrence. The incidence of error in group B was lower than that in groups A and C,there was a statistically significant difference in the incidence of errors in the three directions of Lat, Lng, and Vrt in the three groups of A, B, and C (P<0.05).Conclusion  The automatic gray-scale registration mode with the affected lung, sternum, and thoracic spine as the registration range had clinical guiding significance for the daily positioning of KV-CBCT image-guided lung cancer treatment.

Key words:Lung cancer;KV-level cone-beam CT;Image registration range;Set-up error

肺癌(lung cancer)在臨床上常见的恶性肿瘤,死亡人数位居恶性肿瘤首位[1]。目前肺癌的发生率仍处于上升态势[2],手术结合放化疗成为当前肺癌的主要治疗手段。随着以调强适形放疗、立体定向放疗为代表的精确放疗方式的推广应用[3,4],以及先进的KV-CBCT图像引导放疗(image guided radiation therapy,IGRT)技术辅助校准治疗摆位误差,使放疗预后有了明显改善[5,6]。通过配准软件可以客观地了解到三维方向Lat、Lng、Vrt的摆位误差数据,并根据此数据作出相应的校准, 以提高治疗精度[7,8]。但是,由于受配准人员、配准ROI等方面的影响,导致配准结果并不一致。因此,本研究通过对比不同配准ROI,探讨不同配准范围在肺癌治疗摆位中的差异,现报道如下。

1资料与方法

1.1一般资料  回顾性分析2019年2月~2020年3月宜春市人民医院38例单侧(左或右)的肺癌放疗患者,纳入患者均经组织学或细胞学检查结果为原发性肺癌,KPS评分≥70分,无既往胸部放疗史。其中男性26例,女性12例;年龄40~77岁,平均年龄59岁;左侧肺癌患者14例,右侧肺癌患者24例。采用三种不同的、渐进的ROIa、ROIb、ROIc对患者图像配准,得到A、B、C三组配准数据。

1.2定位、CT扫描及放疗方案设计  患者均采用深圳腾飞宇公司热塑体膜和一体板的固定方式,双手交叉越过头顶置于握杆固定位置,头垫C枕。行美国GE(型号Discovery RT)大孔径CT定位扫描,层间距5 mm,扫描范围为下颌到肝上缘。固定野IMRT技术,照射角度集中在患侧肺,健侧肺尽量不进入或少进入照射野范围。选用机载KV-CBCT的Varian Trilogy直线加速器治疗。靶区GTV为临床和影像学检查所确定的肿瘤范围,CTV包括GTV和亚临床病灶,PTV是CTV加器官运动的范围以及摆位误差。

1.3 KV-CBCT扫描及图像配准  治疗前行KV-CBCT扫描,扫描参数一致:电压80 KV,电流25 mA,曝光时间为8 ms,Low-dose thorax模式,Half Fan滤波扫描,层距2.5 mm,矩阵384 mm2×384 mm2。获得的图像通过瓦里安Eclipse13.6自带配准软件与定位CT图像配准。A组:配准感兴趣区域(ROIa)的边界为CBCT图像的可见范围,见图1A自动灰度配准模式,当配准结果显示摆位误差>3 mm时重新摆位或医师手动在线骨性配准,直至误差≤3 mm才予以治疗;B组:ROIb的内界退至胸骨及胸椎处,即只包括患侧肺、胸骨及胸椎范围,见图1B自动灰度配准模式;C组:在ROTb基础上,取靶区PTV外扩边界2 cm的交集范围作为ROIc,见图1C自动灰度配准。总计Lat、Lng、Vrt方向342个摆位数据。

1.4统计学分析  采用SPSS 22.0统计软件进行分析,计量数据以(x±s)表示,采用配对样本t检验;计数资料用(%)表示,采用卡方行×列表资料的?字2检验。以P<0.05为差异有统计学意义。

2结果

2.1配准误差分析  A组Lat、Lng、Vrt三个方向的摆位误差范围都在-3~3 mm内;B组摆位误差范围分别在-2~3、-3~3、-3~2 mm内;C组摆位误差范围分别在-2~2、-7~3、-5~5 mm内。三组数据两两对比,差异无统计学意义(P>0.05),见表1。

2.2误差发生率分析  以误差≥2 mm 作为误差发生的标准[9],B组误差发生率低于A、C组,三组Lat、Lng、Vrt三个方向误差发生率比较,差异有统计学意义(P<0.05),见表2。

3讨论

KV-CBCT作为图像引导放疗技术之一,已经被国内外各大医疗机构广泛应用,能提高摆位的精确度,更好地保护危及器官,进而保证了治疗精度[10,11]。在本研究日常放疗工作中,患者首次治疗前行KV-CBCT扫描,放疗医生首先依据大范围的自动灰度配准结果来分析摆位的精确度,其次依据自身影像经验确认无明显摆位偏差,当误差小于3 mm直接予以治疗;大于3 mm时,手动调整位置或放疗技师重新摆位直至小于3 mm。因此,KV-CBCT图像引导放疗受自动灰度配准结果影响很大。

本研究采用自动灰度配准模式,选择不同的配准ROI,配准结果差异无统计学意义,Lng方向的误差发生率高于Lat和Vrt两个方向,该结果与孙小喆等[12]研究结果相似。以误差≥2 mm作为误差发生的标准,B组误差发生率低于A、C组,这对科室以后的日常摆位验证具有临床指导意义。

由于每个医疗机构对设备机械精度的维护、患者呼吸训练、体膜固定方式、擺位方法等存在一定的差异,甚至在验证摆位误差所用的方式、方法也不相同,以致每个医疗机构的摆位误差大小也存在相应的差别。以后的研究工作中继续加大样本病例,同时将摆位误差对靶区和正常组织的剂量影响也加入到接下来的研究工作中,以期进一步提高肺癌靶区的照射剂量,减少正常组织的照射,实现KV-CBCT图像引导下的肺癌精准放疗。

综上所述,以患侧肺、胸骨、胸椎作为配准范围的自动灰度配准模式,对KV-CBCT图像引导肺癌治疗的日常摆位工作具有临床指导意义。

参考文献:

[1]Russo M,Owen R,Bernard A,et al.Evaluation of accuracy and reproducibility of a relocatable maxillary fixation system for fractionated intracranial stereotactic radiation therapy[J].J Med Radiat Sci,2016,63(1):41-47.

[2]吴志勤,张力,余建义,等.肺癌图像引导放疗不同配准方式对摆位误差的影响[J].温州医科大学学报,2014,44(11):822-824.

[3]Wan H,Bertholet J,Ge J,et al.Automated patient setup and gating using cone beam computed tomography projections[J].Phys Med Biol,2016,61(6):2552-2561.

[4]王恩阳,徐飞,贾明轩.应用千伏级锥形束对非小细胞肺癌立体定向放疗外放边界研究[J].中国和杂志,2016,5(2):37-39.

[5]Borst GR,Sonke JJ,Betgen A,et al.Kilo-voltage conebeam computed tomography setup measurements for lung cancer patients:first clinical results and comparison with electronic portal imaging device[J].Int J Radiat Oncol Biol Phys,2007,68(2):555-561.

[6]Duggan DM,Ding GX,Coffey CW,et al.Deep-inspiration breath-hold kilovoltage cone beam CT for setup of stereotactic body radiation therapy for lung tumors:Initial experience[J].Lung Cancer,2007,56(1):77-88.

[7]戴建荣,胡逸民.图像引导放疗的实现方式[J].中华放射肿瘤学杂志,2006,15(2):132-135.

[8]Verellen D,De Ridder M,Storme G.A(short)history of image guided radiotherapy[J].Radiothert Oncol,2008,86(1):4-13.

[9]李庆瑞,陈吉祥,丁大庆,等.不同人员对肺癌图像配准误差分析[J].实用癌症杂志,2018,33(8):1245-1248.

[10]顾浩,樊锐太,郭跃信,等.锥形束图像引导用于胸部肿瘤放射治疗的效果分析[J].临床研究,2016,24(4):83-84.

[11]Heinz C,Gerum S,Freislederer P,et al.Feasibility study on image guided patient positioning for stereotactic body radiation therapy of liver malignancies guided by liver motion[J].Radiat Oncol,2016,27(11):88.

[12]孙小喆,孟慧鹏,郑爱青,等.肺癌影像引导放疗摆位误差及配准的对比研究[J].医疗卫生装备,2017,38(11):69-78.

收稿日期:2020-05-29;修回日期:2020-06-16

编辑/宋伟

猜你喜欢

肺癌
中医防治肺癌术后并发症
对比增强磁敏感加权成像对肺癌脑转移瘤检出的研究
氩氦刀冷冻治疗肺癌80例的临床观察
长链非编码RNA APTR、HEIH、FAS-ASA1、FAM83H-AS1、DICER1-AS1、PR-lncRNA在肺癌中的表达
CXCL-14在非小细胞肺癌中的表达水平及临床意义
广泛期小细胞肺癌肝转移治疗模式探讨
PFTK1在人非小细胞肺癌中的表达及临床意义
microRNA-205在人非小细胞肺癌中的表达及临床意义
周围型肺癌的MDCT影像特征分析
基于肺癌CT的决策树模型在肺癌诊断中的应用