基于深度学习的脑转移瘤立体定向放疗靶区自动勾画研究综述.docVIP

基于深度学习的脑转移瘤立体定向放疗靶区自动勾画研究综述

一、脑转移瘤放疗靶区勾画的临床需求与挑战

脑转移瘤是成人最常见的颅内恶性肿瘤，发生率约为原发性脑肿瘤的3~10倍，其中肺癌、乳腺癌、黑色素瘤是最常见的原发来源。立体定向放射治疗（StereotacticRadiosurgery,SRS）及分次立体定向放疗（FractionatedStereotacticRadiotherapy,FSRT）是脑转移瘤的核心治疗手段之一，其通过高剂量射线精准聚焦于肿瘤病灶，在最大化肿瘤杀伤效应的同时，最大限度保护周围正常脑组织，尤其适用于多发、位置较深或手术风险较高的脑转移瘤患者。

靶区勾画是SRS/FSRT流程中最关键的步骤之一，直接决定放疗剂量分布的合理性与治疗效果。临床常规的手动勾画流程需要放射治疗医师基于T1加权增强磁共振成像（T1-weightedContrast-enhancedMRI,T1CE-MRI）、T2/FLAIR序列图像，逐层识别肿瘤边界并确定大体肿瘤靶区（GrossTumorVolume,GTV），再外扩一定边界形成临床靶区（ClinicalTargetVolume,CTV）与计划靶区（PlanningTargetVolume,PTV）。传统手动勾画存在多重局限性：首先是效率低下，单例多发脑转移瘤患者的靶区勾画耗时通常在30分钟到2小时不等