目 录

第1章 使用［18F］FDG PET/CT勾画放射治疗靶体积 1

1.1　引言 2

1.2　［18F］FDG PET/CT 3

1.3　技术方面 5

1.4　靶区体积勾画 12

1.5　缺陷与不足 19

1.6　未来展望 21

第2章 用于实体瘤及生物靶区定义的特异性PET示踪剂 33

2.1　引言 35

2.2　脑部肿瘤 35

2.3　头颈部鳞状细胞癌 40

2.4　非小细胞肺癌 45

2.5　前列腺癌 47

2.6　未来前景 49

第3章 解剖与功能MRI在放射治疗计划中的应用 63

3.1　引言 64

3.2　脑 64

3.3　头颈部肿瘤 69

3.4　肝 73

3.5　胰腺癌 75

3.6　前列腺癌 77

3.7　宫颈癌 81

3.8　直肠癌 83

3.9　肛门癌 86

第4章 用于患者定位和运动控制的in-room系统 102

4.1　引言 103

4.2　X射线成像系统 104

4.3　替代信号追踪 112

4.4　超声 115

第5章 调强放射治疗/容积调强放射治疗-立体定向放疗 121

5.1　技术驱动的放射治疗发展 122

5.2　放疗流程 123

5.3　放射治疗技术 130

5.4　对于IMRT、VMAT和SABR治疗计划的剂量计算考虑 140

5.5　放射治疗中器官运动的管理 141

第6章 磁共振引导的自适应放疗：技术概念 149

6.1　图像引导和自适应放疗 150

6.2　磁场对剂量分布的影响 154

6.3　横向磁场中的剂量分布 155

6.4　磁场中的剂量测量 156

6.5　参考剂量测定法 157

6.6　相对剂量测定法 158

6.7　磁共振成像的MRgRT 160

6.8　基于MR-Linac的治疗计划 163

6.9　自适应MRgRT工作流程 164

6.10　MRgRT的未来 167

第7章 磁共振集成直线加速器：首批临床结果 177

7.1　引言 178

7.2　临床部位 180

第8章 图像引导近距离放射治疗 201

8.1　引言 202

8.2　子宫颈BT成像的临床应用 203

8.3　前列腺BT成像的临床应用 207

8.4　BT的物理成像方面 213

8.5　结论 218

第9章 图像引导放射治疗中的超声成像：现状与未来挑战 228

9.1　超声引导放射治疗 229

9.2　超声成像技术 231

9.3　放射治疗工作流程中的超声 235

9.4　使用超声进行分次间和分次内器官运动的估计 237

9.5　自动图像处理的应用 240

9.6　未来方向 242

第10章 靶区勾画与稳定的手段：基准标志物、球囊及其他 253

10.1　引言 254

10.2　图像引导 255

10.3　医疗器械 257

10.4　总结 274

第11章 放射肿瘤学中的人工智能：快速发展的图景 286

11.1　引言 287

11.2　什么是AI？ 288

11.3　为什么深度学习对放射肿瘤学很重要？ 290

11.4　深度学习在放射肿瘤学中的应用领域 291

11.5　迈向AI引导的放射治疗 296

11.6　质量保证 298

11.7　AI和深度学习面临的障碍 299

11.8　放射肿瘤学中可能受AI影响的其他领域 300

11.9　结论 301

第12章 用于放射治疗后肿瘤控制预测的多模态成像 310

12.1　引言 311

12.2　使用定量成像标志物预测放射治疗结果的技术要求 312

12.3　用于预测放疗后肿瘤控制的定量成像标志物 315

12.4　基于QIB预测模型的放疗干预措施 318

第13章 放射治疗效果建模 326

13.1　引言 327

13.2　基本建模原则 329

13.3　TCP和NTCP模型简介 337

13.4　案例1：质子束治疗的患者选择：基于模型的方法 343

13.5　案例2：影像组学 347

13.6　总结与展望 351