2. 山东省肿瘤防治研究院(山东省肿瘤医院), 山东第一医科大学(山东省医学科学院)放射物理技术科, 济南 250117;
3. 南华大学核科学技术学院, 衡阳 421001
2. Radiation Physics Department of Shandong Cancer Hospital and Institute, Shandong First Medical University and Shandong Academy of Medical Sciences, Jinan 250117, China;
3. School of Nuclear Science and Technology, University of South China, Hengyang 421001, China
脑转移瘤是常见的恶性肿瘤之一,三维适形放射治疗(three dimensional conformal radiation therapy,3D-CRT)和调强放射治疗(intensity modulated radiation therapy,IMRT)是当前治疗脑转移瘤的常用放射治疗手段。CT作为放射治疗模拟定位和治疗计划设计的主要依据,为放射治疗剂量计算提供空间位置和电子密度信息[1]。但在靶区勾画时,CT图像中肿瘤边界难以分辨是制约放疗疗效的关键因素[2]。在脑部的肿瘤放疗中,磁共振(MR)图像提供了良好的软组织对比度和多平面成像能力[3],将MR与CT图像进行融合,大大提高了靶区勾画的准确性,已被广泛用于肿瘤靶区和危及器官勾画[4-5]。但是,MR与CT图像融合的方法引入了额外的配准误差。若仅用MR图像设计放疗计划,可避免冗余的CT图像,简化放疗流程,并消除图像融合误差。然而,缺少电子密度信息是基于磁共振成像(MRI)进行治疗计划设计的主要障碍[6-7]。为此,本研究基于脑转移瘤3D-CRT和IMRT计划探讨不同CT赋值法对脑转移瘤剂量计算的影响,为基于MR图像进行脑转移瘤的计划设计提供参考。
资料与方法1.一般资料:选取山东省肿瘤医院2018年7月至2019年2月进行放射治疗的35例脑转移瘤患者,每位患者都在放疗前进行CT模拟定位和MR模拟定位。其中男19例,女16例,年龄46~78岁,中位年龄61岁。
2.体位固定与模拟定位:所有患者放疗前均采取仰卧位,头颈热塑面罩固定,在Brilliance大孔径螺旋CT定位机(荷兰Philips公司)上进行CT模拟定位,同一天在Discovery 750 w MR模拟定位机(美国GE公司)上进行MR模拟定位,扫描范围为颈部以上,扫描层厚为3 mm。
3.靶区和危及器官勾画:将CT模拟定位和MR模拟定位的图像传入Eclipse 13.5三维治疗计划系统(美国Varian公司)中,将CT和MR图像刚性配准,然后勾画整个头部(CT图像的整个扫描范围)、大体肿瘤靶区(gross tumor volume,GTV)、计划靶区(planning target volume,PTV)、脑干、脊髓、眼球、眼晶状体、视神经、腮腺等,每位患者均由同一临床医师勾画。
4.计划设计:物理师在Eclipse 13.5计划系统中制定5~7野共面IMRT或3D-CRT计划,其中有10例患者同时制定了IMRT和3D-CRT计划,共45个计划。按计划种类划分为IMRT计划28个,3D-CRT计划17个;按靶区范围分为局部靶区20个,全脑靶区25个。对PTV的处方剂量为40~60 Gy,分次剂量为1.8~2.5 Gy/次,每周5次。
5.组织勾画和CT值分析:将CT和MR图像导入RayStation 7.0工作站(瑞典RaySearch公司)中,将CT和MR图像刚性配准,并进一步勾画骨骼、空腔、胼胝体、排除脑干和胼胝体的脑组织、皮肤。头部排除以上勾画的剩余组织,定义为其他软组织。在RayStation 7.0中计算各组织的平均CT值并记录。
6.组织CT值赋值和剂量重新计算:将原始CT记为CT1,根据上一步得出的各组织群体化CT值,对CT1各组织重新赋予CT值。全组织赋予均匀的140 HU记为CT2;空腔赋予-700 HU,骨骼赋予700 HU,其他组织赋予20 HU记为CT3;脑干赋予30 HU,胼胝体赋予12 HU,排除脑干和胼胝体的脑组织赋予35 HU,腮腺赋予-15 HU,皮肤赋予-50 HU,眼球赋予25 HU,视神经赋予10 HU,眼晶状体赋予60 HU记为CT4。原计划记为Plan1,将Plan1分别复制到CT2、CT3、CT4上进行剂量计算,获得的计划分别记为Plan2、Plan3、Plan4。
7. PTV的适形指数(CI)和均匀指数(HI)[8]比较:其中,CI=(Vt, ref/Vt)×(Vt, ref/Vref),式中,Vt为靶区体积,Vt, ref为参考剂量线包络的靶区体积,Vref为参考剂量线包络的所有区域体积;HI=(D2%-D98%)/D处方,式中,D2%和D98%分别表示PTV的2%和98%体积剂量,D处方表示PTV的处方剂量。CI越接近1适形性越好,HI越接近0均匀性越好。
8.剂量指标比较:统计4个计划的剂量指标参数和Plan2、Plan3、Plan4相对Plan1的剂量指标差异,以及差异的95%置信区间。统计参数包括:等中心点的点剂量Dpoint、PTV最大剂量Dmax、PTV平均剂量Dmean、PTV的D98%、头部平均剂量Dmean、脑干D5%,以及脑干、胼胝体、左眼、右眼、左右眼晶状体、脊髓的最大剂量Dmax。
9.像素点剂量比较:将Plan2、Plan3、Plan4分别与Plan1作剂量差剪影,比较像素点剂量,并查找差别>1%的区域。
10.在MR图像上制定放疗计划:选取10例病例,在RayStation工作站中,对MR图像不同组织器官分别赋予群体化CT值,制定IMRT计划。
11.统计学处理:采用SPSS 20.0软件分析,满足正态分布的计量资料行配对t检验,结果以
1.各组织器官平均CT值:头部的平均CT值为(140.2±26.6)HU,骨骼平均CT值为(735.3±68.0)HU,空腔平均CT值为(-723.9±27.0)HU,各软组织的平均CT值大多分布在-20~40 HU,其中脑干、胼胝体、脑组织、腮腺、眼球、视神经分别为(29.0±1.3)、(12.0±2.0)、(34.2±1.7)、(-15.8±21.4)、(25.6±3.0)、(9.2±9.6)HU,眼晶状体和皮肤例外,分别为(61.0±6.6)和(-49.0±14.9)HU。
2. PTV的CI和HI:Plan2的HI相对Plan1在局部靶区病例增大6.8%,差异有统计学意义(t=3.627,P < 0.05);Plan2的其余CI、HI,以及Plan3和Plan4的CI、HI与Plan1相比差异均无统计学意义(P>0.05,表 1)。
![]() |
表 1 原计划Plan1和3个CT值赋值法计划(Plan2、Plan3、Plan4)中PTV的CI和HI比较( |
3.剂量指标差异:Plan2、Plan3、Plan4的剂量指标与Plan1的差异逐渐减小。在3D-CRT计划中,各剂量指标平均差异的范围分别为-4.7%~0.6%、-1.1%~0.1%、-0.9%~0.1%,高于IMRT计划中的-3.2%~0.3%、-0.9%~0.1%、-0.8%~0.1%;同时,全脑靶区病例中的剂量差异高于局部靶区病例,见表 2,3。
![]() |
表 2 原计划Plan1和3个CT值赋值法计划(Plan2、Plan3、Plan4)的PTV剂量指标比较(Gy, |
![]() |
表 3 原计划Plan1和3个CT值赋值法计划(Plan2、Plan3、Plan4)的关键器官剂量指标比较(Gy, |
(1) PTV剂量指标差异:对于局部靶区,Plan2、Plan3相比Plan1略有差别,而Plan4与Plan1基本一致。对于全脑靶区,Plan2相比Plan1差异显著,其中PTV的Dmax差别(0.51±1.11)%,Plan3、Plan4相比Plan1略有差别,但差异的95%置信区间上限均不超过0.8%,详见表 2。
(2) 关键器官剂量指标差异:Plan2相比Plan1,左右眼晶状体Dmax相差很大,平均差异2.8~5.8%,部分患者可达5.0%以上,局部靶区中左眼球也出现较大的差异;其他的剂量指标多数都有统计学差异,部分患者可达1.0%以上。Plan3、Plan4相比Plan1,左右眼晶状体和脊髓的Dmax差异较大,最高可到1.5~2.0%、1.0~1.5%;其他组织器官的剂量指标差异较小,差异的95%置信区间上限均不超过1.2%、0.8%,尤其是等中心点剂量(Dpoint)和脑干D5%、Dmax差异更小,详见表 3。
4.像素点剂量差异
(1) 局部靶区患者中的像素点剂量对比:Plan2、Plan3、Plan4相比Plan1的差异>1%的区域依次减小,主要分布在靠近射野的皮肤处。Plan4与Plan1的像素点剂量已基本一致,只有皮肤处存在少量的小范围点状剂量差异区。
(2) 全脑靶区患者中的像素点剂量对比:Plan2、Plan3、Plan4相比Plan1的差异>1%的区域依次减小,主要分布在骨骼与空腔、软组织分界处,以及靠近射野的皮肤处。Plan4与Plan1的差别最小,但依然高于局部靶区患者,皮肤处存在一定数量的小范围点状剂量差异区。
5.在MR图像上制定IMRT计划:采用群体化的CT值赋值法在MR图像上制定了10例IMRT计划,与CT图像上制定相比,用时增加10~30 min,主要增加的工作量为骨骼、空腔、皮肤、胼胝体的勾画,以及各组织器官的CT值赋值。
讨论MR图像的突出优点在于对软组织有较强分辨能力,因此可更好地用于勾画颅脑部位的肿瘤靶区,以及各种软组织[9-10]。近年来出现一些采用CT值赋值法进行MR图像放疗计划设计的报道[11-13],但以往研究仅作了粗略的剂量计算差异比较,并未具体找出较大的剂量计算差异出现在哪些区域,也未详细比较靶区和危及器官的剂量学差异,且对脑转移瘤鲜有报道。脑转移瘤最大的特点是不仅有局部肿瘤靶区照射,全脑靶区照射也十分常见。本研究基于MR和CT图像勾画靶区和各组织,在CT图像上重新赋予CT值进行剂量计算的结果可用于评估不同CT值赋值法进行MR图像放疗计划设计的剂量学精度。
颅脑部位主要器官的CT值在-70~70 HU范围内,但是广泛分布的骨骼的CT值往往超过600 HU。张俊等[14]对10例肿瘤患者头颈部主要组织器官的CT值研究发现,下颌骨和颅骨的CT值超过700 HU,软组织中,腮腺、垂体、视神经、大脑、脊髓、脑干等的CT值在-20~45 HU之间,而眼晶状体在60 HU左右。本研究也有类似发现,大部分软组织的CT值在-20~40 HU之间,眼晶状体和皮肤例外,其中眼晶状体拥有最高的软组织CT值,可达60 HU左右,而皮肤拥有最低的软组织CT值,约-50 HU。
在放射治疗中,剂量计算的准确性将直接影响放疗的临床疗效[15],错误的剂量计算会误导临床医师和物理师,使其无法选择正确的治疗方式。高密度的骨骼对射线吸收较大,因此骨骼电子密度的赋值会在很大程度上影响剂量计算的准确性。Karotki等[11]对10例头颈部肿瘤患者研究发现,对头颈部赋予均匀密度1 g/cm3时,剂量计算差异可达4%~5%;而对骨骼和空腔分别赋予均匀密度1.5和0 g/cm3,剩余组织赋予均匀密度1 g/cm3,危及器官剂量指标的计算差别在2%以内。Young等[12]对10例鼻咽癌患者的研究发现,当对全部组织赋予1 g/cm3均匀密度时,剂量计算差异接近4%,而对骨骼、空腔和其他组织分别赋值时,剂量计算差异可降低到2%以下,只有个别患者在骨骼与软组织分界处达到2%~3%。秦颂兵等[13]对16例鼻咽癌和19例食管癌的研究发现,对骨骼、空腔、肺组织分别赋予800、-1 000和-800 HU,其余组织赋予0 HU时,靶区和危及器官的剂量指标差异在鼻咽癌病例中 < 1%,在食管癌病例中 < 2%。本研究也有类似发现,对于全组织赋予均匀CT值(CT2)、骨骼和空腔以及其他组织分别赋予CT值(CT3)、不同组织分别赋予群体化的CT值(CT4)的剂量计算差异,眼晶状体的Dmax相差最大,分别可达5.0%以上、1.5%~2.0%、1.0%~1.5%,其他剂量学指标差异的95%置信区间上限基本不超过2.0%、1.2%、0.8%。这说明仅对骨骼、空腔和其他组织赋予CT值(或密度值),就能将靶区和危及器官的大部分剂量学指标的计算差异基本控制在1.2%以内;如果对不同组织赋予群体化的CT值,则可进一步控制在0.8%以内,满足临床要求。
在像素点剂量比较中,Plan2、Plan3、Plan4相对Plan1差异>1%的区域依次减少,局部靶区病例中差异>1%的区域主要分布在靠近射野的皮肤处,而全脑靶区病例中主要分布在骨骼与空腔、软组织交界处,以及靠近射野的皮肤处。这说明在CT值赋值法用于MR图像的计划设计中,皮肤、骨骼、空腔的精确勾画和准确赋值至关重要,这种重要性在全脑靶区病例中尤为明显。
本研究还发现,对于不同CT值赋值法用于剂量计算时的靶区CI和HI与原计划相比大多差异不显著,只有均匀赋值计划Plan2在局部靶区中的HI除外。可能的原因是,在脑转移瘤中,靶区CT值应该接近脑组织的34 HU左右,而均匀赋值法赋予了头部平均CT值140 HU,使得局部靶区的HI随之变差;而全脑靶区中,较大的靶区存在一定的“剂量补偿效应”,减少了HI变化。
此外,CT值赋值法在3D-CRT计划中的剂量计算差异大于IMRT计划,这与Kartutik等[16]的发现类似,可能的原因是IMRT计划剂量计算的自由度较大,多个射野的剂量计算差异之间可能相互补偿,减小了总体差异;同时全脑靶区病例大于局部靶区病例,原因在于全脑靶区范围较大,处方剂量区距离骨骼、空腔较近,赋予的CT值与真实CT值的差异对剂量计算的影响更大。
本研究采用群体化的CT值赋值法在RayStation计划系统上基于MR图像制定了10例IMRT计划,单个计划耗时相比CT计划延长了10~30 min,主要的原因在于相比CT计划,MR计划需要勾画更多的组织器官并重新赋CT值,但是考虑到自动勾画软件越来越成熟便捷,这一困难将来是有望克服的。
在脑转移瘤中,基于MR图像的放疗计划不仅可以更准确地勾画靶区和软组织器官,也可以简化放疗流程,同时具有足够的剂量计算准确性。随着MR模拟定位和MR图像引导放疗技术在越来越多的单位开展,基于MR图像的放疗计划会具有更为广阔的发展前景。
利益冲突 本研究由署名作者按以下贡献声明独立开展,未接受有关公司的任何赞助,不涉及各相关方的利益冲突
作者贡献声明 任建新负责采集数据,论文撰写,对结果进行统计和分析;巩贯忠、马星民、姚鑫森负责计划制定和数据处理;尹勇设计实验,指导论文的撰写和修改
[1] |
Dowling JA, Lambert J, Parker J, et al. An atlas-based electron density mapping method for magnetic resonance imaging (MRI)-alone treatment planning and adaptive MRI-based prostate radiation therapy[J]. Int J Radiat Oncol Biol Phys, 2012, 83(1): e5-11. DOI:10.1016/j.ijrobp.2011.11.056 |
[2] |
Khoo VS, Joon DL. New developments in MRI for target volume delineation in radiotherapy[J]. Br J Radiol, 2006, 79(Spec No 1): S2-15. DOI:10.1259/bjr/41321492 |
[3] |
张扬子, 耿建昊, 朱向高, 等. 磁共振成像定位在低位直肠癌术前放疗大体肿瘤靶区勾画中的应用[J]. 中华放射医学与防护杂志, 2018, 38(2): 100-104. Zhang YZ, Geng JH, Zhu XG, et al. Application of MRI simulation in delineation of gross tumor volume in pre-operative radiotherapy for low rectal carcinoma[J]. Chin J Radiol Med Prot, 2018, 38(2): 100-104. DOI:10.3760/cma.j.issn.0254-5098.2018.02.004 |
[4] |
Bavirisetti DP, Kollu V, Gang X, et al. Fusion of MRI and CT images using guided image filter and image statistics[J]. Int J Imaging Syst Technol, 2017, 27(3): 227-237. DOI:10.1002/ima.22228 |
[5] |
韩鹏慧, 张书旭, 沈国辉, 等. CT与MRI融合技术在前列腺癌放疗计划中的应用[J]. 中华放射医学与防护杂志, 2012, 32(4): 389-391. Han PH, Zhang SX, Shen GH, et al. Application of CT and MRI fusion technique in radiotherapy planning for prostate cancer[J]. Chin J Radiol Med Prot, 2012, 32(4): 389-391. DOI:10.3760/cma.j.issn.0254-5098.2012.04.014 |
[6] |
Sjölund J, Forsberg D, Andersson M, et al. Generating patient specific pseudo-CT of the head from MR using atlas-based regression[J]. Phys Med Biol, 2015, 60(2): 825-839. DOI:10.1088/0031-9155/60/2/825 |
[7] |
Demol B, Boydev C, Korhonen J, et al. Dosimetric characterization of MRI-only treatment planning for brain tumors in atlas-based pseudo-CT images generated from standard T1-weighted MR images[J]. Med Phys, 2016, 43(12): 6557. DOI:10.1118/1.4967480 |
[8] |
徐华, 巩贯忠, 刘同海, 等. 4D-CT和形变配准技术对肝癌放疗中累加剂量的评估[J]. 中华放射医学与防护杂志, 2015, 35(5): 349-352. Xu H, Gong GZ, Liu TH, et al. Application of 4D-CT and deformable registration in assessment of dose accumulation in radiotherapy for hepatocellular carcinoma[J]. Chin J Radiol Med Prot, 2015, 35(5): 349-352. DOI:10.3760/cma.j.issn.0254-5098.2015.05.007 |
[9] |
Wang H, Nie P, Dong C, et al. CT and MRI findings of soft tissue adult fibrosarcoma in extremities[J]. Biomed Res Int, 2018, 2018: 6075705. DOI:10.1155/2018/6075705 |
[10] |
Zhang J, Li Y, Zhao Y, et al. CT and MRI of superficial solid tumors[J]. Quant Imaging Med Surg, 2018, 8(2): 232-251. DOI:10.21037/qims.2018.03.03 |
[11] |
Karotki A, Mah K, Meijer G, et al. Comparison of bulk electron density and voxel-based electron density treatment planning[J]. J Appl Clin Med Phys, 2011, 12(4): 3522. DOI:10.1120/jacmp.v12i4.3522 |
[12] |
Young T, Thwaites D, Holloway L. Assessment of electron density effects on dose calculation and optimisation accuracy for nasopharynx, for MRI only treatment planning[J]. Australas Phys Eng Sci Med, 2018, 41(4): 811-820. DOI:10.1007/s13246-018-0675-2 |
[13] |
秦颂兵, 周菊英, 龚唯, 等. 容积密度分配法剂量计算可行性研究[J]. 中华放射肿瘤学杂志, 2013, 22(3): 247-249. Qin SB, Zhou JY, Gong W, et al. Study of the feasibility and precision in dose calculation with the method of bulk density assignment[J]. Chin J Radiat Oncol, 2013, 22(3): 247-249. DOI:10.3760/cma.j.issn.1004-4221.2013.03.022 |
[14] |
张俊, 周丁屹, 谢丛华, 等. CT值区间划分及用于治疗计划剂量计算研究[J]. 中华放射肿瘤学杂志, 2017, 26(9): 1067-1071. Zhang J, Zhou DY, Xie CH, et al. Influence of CT value division on dose calculation in treatment planning[J]. Chin J Radiat Oncol, 2017, 26(9): 1067-1071. DOI:10.3760/cma.j.issn.1004-4221.2017.09.017 |
[15] |
曹建忠, 欧广飞, 梁军, 等. 三维适形放疗治疗局部晚期非小细胞肺癌的疗效[J]. 中华肿瘤杂志, 2011, 33(7): 529-534. Cao JZ, Ou GF, Liang J, et al. Therapeutic efficacy of three-dimensional conformal radiation therapy for patients with locally advanced non-small cell lung cancer[J]. Chin J Oncol, 2011, 33(7): 529-534. DOI:10.3760/cma.j.issn.0253-3766.2011.07.013 |
[16] |
Kartutik K, Wibowo WE, Pawiro SA. Comparison of radiotherapy dosimetry for 3D-CRT, IMRT, and SBRT based on electron density calibration[J]. J Phys Conf Ser, 2016, 694(1): 012017. DOI:10.1088/1742-6596/694/1/012017 |