中国科学技术大学核医学物理研究所与安徽医科大学第一附属医院关于EPID在体剂量验证开展了紧密的科研合作，联合在放疗领域top期刊Physics in Medicine & Biology上发表了题为“Feasibility of Reconstructing In-Vivo Patient 3D Dose Distributions from 2D EPID Image Data Using Convolutional Neural Networks”的学术论文，论文第一作者是高宁博士，通讯作者是徐榭教授，合作者包括安医大一附院放疗科汪志主任，论文于2024年12月20日在线发表。

研究团队利用了深度卷积神经网络（dCNN）模型，结合GPU加速的蒙特卡罗剂量计算引擎ARCHER，实现了从二维EPID图像到人体三维剂量分布的快速重建。与传统的反投影算法相比，这种重建方法更加精确且速度更快。本次研究通过对101例临床调强放射治疗病例（包括头颈部，胸腹部和盆腔部）的测试，评估了dCNN模型的重建精度。结合三维伽马通过率、profile对比和剂量体积直方图（DVH）分析等结果，如图1和图2所示，该方法在重建精度方面表现优异。二维EPID图像的蒙特卡罗模拟需要18分钟。训练好的dCNN模型能够在0.35秒内完成单个射野的三维剂量重建。

    图1. 重建结果与ARCHER计算结果的剂量分布比较：(a, b, c) 头颈部，(d, e, f) 胸腹部，(g, h, i) 盆腔部

   图2重建结果与Archer计算三维剂量在DVH方面的比较，显示了dCNN重建的准确性。(a) 头颈部，(b) 胸腹部，(c) 盆腔部。

本研究工作利用了dCNN模型和GPU加速的蒙特卡罗模拟，兼顾从透射EPID图像到患者三维剂量的重建精度和速度，能够满足精准放疗对治疗过程中剂量验证的要求，本工作能够帮助医疗人员及时的发现治疗过程中的误差，保证治疗的效果与安全。

本研究工作得到了国家自然科学基金项目（12275372），安徽省重点研究与开发计划（2023s07020020），中国科学技术大学双一流医学物理与生物医学工程交叉学科平台（YD2140000601）的支持和帮助，由衷感谢。

论文链接：https://iopscience.iop.org/article/10.1088/1361-6560/ada19b