闫凤，牛振洋，费振乐，吴先想，崔相利，刘苓苓

1.联勤保障部队第901医院放疗科，安徽合肥230031；2.蚌埠医学院第一附属医院放疗科，安徽蚌埠233004；3.中国科学院合肥肿瘤医院，安徽合肥230031

前言

容积旋转调强（ⅤMAT）技术具有靶区外剂量快速跌落、靶区的剂量适形度高、剂量均匀性好等特性。相对于IMRT，ⅤMAT 具有缩短治疗时间和总MU较低的特点，在临床中被大量使用［1‐3］。计划设计过程中，物理师一般根据RTOG 指南、临床数据或自身经验去设定优化目标，但由于不同病人的解剖结构差异，计划目标会出现很容易实现或者很难实现的情况［4］。危及器官（OAR）剂量学参数和OAR 与靶区空间位置以及两者的体积等解剖信息具有相关性［5‐6］。Jun 等［7］构建Lian 空间解剖信息与剂量学指数的数学模型可以对腮腺、喉、脊髓、脑干及下颌下腺的剂量学指数做出准确预测。Appenzoller 等［8］构建OAR空间解剖信息与剂量学指数的数学模型可以对直肠、膀胱及腮腺的剂量学指数做出准确预测。本次研究主要分析患侧肺、对侧肺及心脏的剂量学参数和解剖信息的相关性，建立以患者解剖信息为输入、OAR 的剂量学参数为输出的机器学习人工神经网络模型［9‐11］。

1 材料与方法

1.1 病例选择

选取2017年5月至2018年3月接受放疗的51例肺癌病例，其中，男27例，女24例；年龄40～72 岁，平均年龄51岁。由细胞学或组织学证实为非小细胞肺癌，且全部未进行手术，其中左肺癌23例，右肺癌28例。

1.2 靶区及OAR勾画

患者均采用仰卧位、热塑体模固定。CT 模拟定位时体位选择为双手举过头顶，扫描范围从颈部到肝脏下缘，图像层厚为5 mm。……