基于国产加速器URT-Linac 506c的计划复杂度分析和患者计划质量保证预测.pdfVIP

RESEARCHWORK研究论著

基于国产加速器URT-Linac506c的计划

复杂度分析和患者计划质量保证预测

祝鹤龄，杨波，祝起禛，梁永广，杨景茹，王贝，王嘉欣，邱杰

中国医学科学院北京协和医院放射治疗科，北京100730

[摘要]目的探讨基于国产联影URT-Linac506c加速器的容积弧形调强放射治疗（VolumetricModulatedArcTherapy，

VMAT）计划复杂度参数与患者计划质量保证（PatientSpecificQualityAssurance，PSQA）间的关系，并建立机器学习模型

对PSQA结果进行评估和预测。方法随机选取150例在URT-Linac506c加速器上行VMAT治疗计划的患者为研究对象，在该

加速器上对所有计划进行基于机载电子射野影像系统探测器的PSQA剂量验证。对剂量验证结果进行阈值为10%、标准为

2%/2mm的伽马通过率分析。同时对每个计划基于多叶准直器位置和跳数，提取其中的11个复杂度参数。分析复杂度参数

和PSQA结果间的关系，并建立机器学习模型对PSQA结果进行预测。结果计划复杂度参数与PSQA结果的相关性分析表明

二者并不严格呈线性相关，但计划的复杂程度越高，PSQA通过率相对越低。梯度提升决策树（GradientBoostingDecision

Tree，GBDT）模型和随机森林（RandomForest，RF）模型对基于复杂度参数的PSQA结果预测水平相当，GBDT模型和RF

模型的平均预测误差分别为0.55%和0.54%。由于PSQA结果分布严重不平衡，更改过权重后的模型对低通过率部分的预测

能力有所提升。结论对于国产加速器URT-Linac506c，这2种基于决策树结构的机器学习模型对PSQA结果的预测可提供一

定的帮助，建立更精准的模型需要进一步完善采集患者的样本量。

[关键词]联影URT-Linac506c加速器；计划复杂度；机器学习；患者计划质量保证

AnalysisofComplexityMetricsandPatient-SpecificQualityAssurancePredictionBasedon

DomesticallyMadeAcceleratorURT-Linac506c

ZHUHeling,YANGBo,ZHUQizhen,LIANGYongguang,YANGJingru,WANGBei,WANGJiaxin,QIUJie

DepartmentofRadiotherapy,PekingUnionMedicalCollegeHospital,Beijing100730,China

Abstract:ObjectiveTostudytherelationshipbetweenthecomplexitymetricsofvolumetricmodulatedarctherapy(VMAT)planand

patientspecificqualityassurance(PSQA)basedontheURT-Linac506caccelerator.Andtoestablishthemachinelearningmodelsto

predictandevaluatethePSQAresults.MethodsAtotalof150patientstreatedonURT-Linac506cacceleratorintheVMATprogram

wererandomlyselectedastheresearchobject,andallplanswereverifiedbyPSQAdosebasedonelectronicportalimagingdevice

detectorontheaccelerator.Thegammapassrateofdosev