192Ir HDR brachytherapy for gynecologic cancers

本数据集为妇科癌症192Ir高剂量率近距离放射治疗提供了基于模型的剂量计算算法(MBDCAs)的测试用例。数据集包括两个基于宫颈癌患者病例生成的计算模型，以及相应的治疗计划、剂量分布数据和用户指南。这些数据集旨在为使用MBDCAs的治疗计划系统(TPS)提供校准框架，并作为使用蒙特卡洛(MC)方法的近距离放射治疗研究人员的基准。数据集还包括使用不同蒙特卡洛模拟代码的计算模型中计算的参考剂量分布，以及用于在具有MBDCA功能的商用治疗计划系统中校准MBDCAs的指南。This dataset provides test cases for model-based dose calculation algorithms (MBDCAs) used in ¹⁹²Ir high-dose-rate brachytherapy for gynecologic cancers. The dataset includes two computational models generated from cervical cancer patient cases, along with corresponding treatment plans, dose distribution data, and user guidelines. These datasets are designed to provide a calibration framework for treatment planning systems (TPS) that utilize MBDCAs, and serve as a benchmark for brachytherapy researchers using Monte Carlo (MC) methods. The dataset also includes reference dose distributions calculated in computational models employing different Monte Carlo simulation codes, as well as guidelines for calibrating MBDCAs in commercial treatment planning systems equipped with MBDCA functionality.

搜集汇总

数据集介绍

构建方式

该数据集基于宫颈癌患者的临床病例，构建了两种不同的计算模型：一种是基于均匀密度区域的简化模型（测试案例A），另一种是保留原始CT图像中异质性信息的真实解剖模型（测试案例B）。通过MATLAB处理CT图像，将模型转换为DICOM格式，并导入到两种具有模型剂量计算算法（MBDCA）能力的治疗计划系统（TPS）中。临床分割被扩展以包含更多风险器官，实际临床治疗计划被保留，但源被替换为通用的192Ir高剂量率（HDR）源。使用MBDCA选项和三种不同的蒙特卡洛（MC）模拟代码进行剂量计算，验证了MC结果在统计不确定性内的一致性。

特点

该数据集的特点在于其临床相关性和多模态验证。数据集包含两种不同复杂度的患者模型，分别用于评估MBDCA在不同异质性条件下的表现。数据集提供了详细的DICOM格式文件，包括CT图像、结构集、治疗计划和参考剂量分布。此外，数据集还提供了TPS和案例特定的用户指南，以及用于复现MC模拟所需的文件。这种全面的设计使得数据集不仅适用于MBDCA的调试和质量保证，还可作为MC模拟的基准。

使用方法

数据集的使用方法包括下载DICOM文件，导入到支持MBDCA的TPS中进行剂量计算，并与参考MC剂量数据进行比较。用户指南详细说明了如何配置通用源和进行MC模拟。数据集支持WGDCAB报告372中提出的调试工作流程，包括分析临床相关的剂量体积直方图（DVH）指标。用户可以通过比较TPS计算的剂量分布和参考MC结果，评估MBDCA的性能，并进行质量保证测试。此外，数据集还可用于研究不同MBDCA之间的性能差异，以及评估未来TPS软件更新的影响。

背景与挑战

背景概述

192Ir HDR brachytherapy for gynecologic cancers数据集由V. Peppa等研究人员于2023年创建，旨在为基于模型剂量计算算法（MBDCAs）的192Ir高剂量率（HDR）妇科近距离放射治疗提供临床相关测试案例。该数据集遵循TG-186报告和WGDCAB报告372的工作流程，通过蒙特卡洛模拟和商业治疗计划系统（TPSs）验证剂量计算的准确性。该数据集在放射治疗领域具有重要意义，为临床实施MBDCAs提供了标准化框架，并支持剂量计算算法的验证和质量保证。

当前挑战

该数据集面临的挑战主要包括：1) 在剂量计算中准确处理组织和施源器的异质性，特别是在骨骼和空气等密度差异较大的区域；2) 构建过程中需克服不同TPSs和蒙特卡洛代码之间的兼容性问题，确保剂量分布的一致性；3) 在临床环境中验证MBDCAs的可行性，尤其是在处理复杂解剖结构时的准确性。此外，数据集的应用还受到特定放射性核素、源模型和临床场景的限制，需进一步扩展以适应更广泛的治疗需求。

常用场景

经典使用场景

该数据集在妇科癌症的高剂量率（HDR）近距离放射治疗中，主要用于模型化剂量计算算法（MBDCA）的调试和质量保证。通过提供标准化的测试案例，数据集支持研究人员和临床医生评估不同剂量计算算法的准确性，特别是在考虑组织异质性和应用器影响的情况下。这些测试案例基于真实的宫颈癌患者模型，包括均匀结构和真实分割的两种情形，为算法验证提供了全面的基准。

解决学术问题

该数据集解决了近距离放射治疗中剂量计算算法验证的标准化问题。传统的TG-43形式主义未考虑组织异质性和应用器材料的影响，而MBDCA能够更精确地模拟这些因素。通过提供详细的蒙特卡罗模拟数据和临床相关测试案例，该数据集为研究人员提供了验证和比较不同MBDCA的工具，从而推动了剂量计算精度的提升和治疗计划的个性化。

衍生相关工作

该数据集衍生了一系列相关研究，包括对不同MBDCA算法的比较研究、组织异质性对剂量分布影响的量化分析，以及新型近距离放射治疗技术的开发。例如，基于该数据集的研究揭示了骨骼组织中钙含量对剂量计算的显著影响，并提出了改进算法精度的策略。此外，数据集还被用于开发人工智能辅助的轮廓勾画工具，进一步提高了临床工作效率和剂量计算的准确性。