首页 > 文献资料
-
基于反卷积方法的脑激活定位分析
目前用fMRI进行脑功能研究的主要依据是血流敏感性[1]和BOLD[2](blood oxygenation-level dependent)对比度增强原理.当某一脑区被激活时,由于血流增加,引起了氧合血红蛋白浓度的瞬态增加,导致磁化率加权脉冲序列中MR信号的增强.本文着重讨论了反卷积方法在脑激活定位中的应用.该法可以有效地提供良好的解剖学定位,为进一步实现被试间图像的比较分析或由多个被试提取一般性的脑活动机理做准备.
-
用解卷积方法提取笔射束核的实现
本研究论述了在三维放疗计划的剂量计算中,如何用解卷积方法从测量的宽平行射束离轴比数据中提取笔射束卷积核,并且用这个核重建其它尺寸射野的射束分布,与实际测量的相同尺寸射野的射束分布进行比较,取得了较好的一致性,从而为进一步的实际应用奠定了理论基础.
-
调强放射治疗中剂量计算与射野参数优化研究
目的研究调强放射治疗中剂量计算模型的建立与射野参数自动选择的实现方法.方法用快速傅立叶变换建立三维光子卷积剂量计算模型,用基于剂量的目标函数作为遗传算法个体适应度的评价指标,用遗传算法实现射野权重的优化.结果经过遗传算法100次迭代,能够得到适形度较高、剂量分布较均匀的剂量分布.结论基于快速傅立叶变换的三维光子卷积剂量计算模型是一种较精确的模型;遗传算法是一种效率较高的IMRT射野参数优化方法.
-
放射治疗计划系统独立剂量验证的发展
调强放疗技术在实现精确治疗的同时,也使临床治疗前的剂量验证变得更复杂.目前被广泛采用的实验测量的方法尽管较为准确有效,但同时也存在耗时耗力的缺点.而独立的剂量算法(深度剂量-离轴比、Clarkson积分、卷积、蒙特卡罗)验证在保证一定精度的条件下可以部分解决这些问题.这给临床工作者节省了大量的时间和精力,也成为当今国内外研究的热点和剂量验证的重要发展方向.本综述主要对基于修正和基于模型的独立剂量验证方法进行介绍,并简要论述调强放疗计划剂量验证技术的发展趋势.
-
X线照射野笔形束模型建立方法的研究
通常,用于高能X线照射野剂量计算的笔形束核是用Monte Carlo方法得到的.在本文中,我们通过使用反卷积方法建立了笔形束模型,并且用这个模型重建其它尺寸射野的射束分布,与实际测量的相同尺寸射野的射束分布进行比较,取得了较好的一致性,从而为进一步的实际应用奠定了理论基础.
-
基于统计参数图的 fMRI 图像空间平滑技术的研究
探讨并分析用统计参数图（statistical parametric mapping，SPM）进行脑功能磁共振图像空间平滑处理的技术原理及其程序实现。采用医用磁共振机对正常人脑进行脑功能磁共振成像扫描，获得相关的脑功能图像。利用 SPM软件对图像进行空间平滑处理，并分析其算法及程序实现，在此基础上对 SPM算法进行改进并仿真。通过分析和改进算法，得到了更好的空间平滑效果，从而获得更高质量的脑功能磁共振图像，便于临床诊断。SPM软件包在脑功能磁共振图像处理与分析中有着重要应用，但仍需改进和提高。
-
非参数模型：药物体内释放／溶出与（或）表观吸收速率估计的理论研究
目的：建立基于概率论的估算药物体内释放/溶出与（或）表观吸收速率的非参数随机性模型（NPSM ），并探讨 NPSM与基于线性时不变系统输入-输出原理的非参数确定性模型（NPDM ）的相互关系。方法：药物分子从给药部位释放/溶出与（或）表观吸收或直接输入血液循环及从血液循环处置的过程为相互独立的随机过程。同一药物的受试制剂（TP）总驻留时间（TTP）与参比制剂（RP）总驻留时间（TRP）之差为随机变量即 TP释放/溶出与（或）表观吸收所需时间（T），将非负、独立且连续型随机变量 T 和TRP定义在同一概率空间，则（T ，TRP）为2维随机向量。设 TTP和 TRP分别服从可直接由 TP和 RP药时数据求得分布函数或概率密度函数的数值解的某一未知概率分布，从而有积分方程即药物体内释放/溶出与（或）表观吸收的速率估算的 NPSM 。结果：NPSM 与 NPDM 可相互转化，结果一致。结论：NPSM 用于药物体内释放/溶出与（或）表观吸收动力学研究有一定理论意义。可从随机性与确定性两方面认识药时曲线下面积。
-
一室模型药物体内释放(溶出)速率估计的半参数随机模型
目的:为药物体内释放(溶出)动力学研究提供一种半参数随机模型.方法:在生物药剂学意义上,同一药物的受试制剂(test preparation,TP)与参比制剂(reference preparation,RP)的纯吸收及处置过程相同,所需时间相等.将TP总驻留时间(Th)视为TP体内释放(溶出)时间(Tf)与RP总驻留时间(Tg)之和,Tf与Tg相互独立,Th、Tf及Tg均为非负且连续型随机变量.对TP:假设Tf概率分布未知,故Th亦服从由一次血管外给药后的血药浓度-时间数据用数值方法求得的概率密度函数(PDF)的数值解的某一未知概率分布(非参数模型).对RP:由于无释放(溶出)过程或释放(溶出)过程可忽略不计(相对于TP),故假设药动学呈一室模型分布、一级吸收(速率常数为Ka)与一级消除(速率常数为K)特征,即吸收时间与消除时间均服从指数分布,则Tg的PDF为{Ka K /(Ka - K){[exp(-Kt) - exp(-Ka t)]}(参数模型).根据卷积公式,得卷积型Volterra积分方程,运用数值反卷积分法求解,得到TP体内各时间段平均释放(溶出)速率值.结果:半参数随机模型可估计出TP体内释放(溶出)速率、TP的PDF之数值解及RP的PDF的函数结构与参数估计值.结论:半参数随机模型可用于体内药物释放(溶出)与(或)吸收动力学研究.
-
两室模型药物体内释放(溶出)速率估算的半参数随机模型
目的:为两室模型药物体内释放(溶出)速率估计提供一种半参数随机模型.方法:在生物药剂学意义上,同一药物的受试制剂(test preparation,TP)与参比制剂(reference preparation,RP)的纯吸收及处置过程相同,所需时间相等.将TP总驻留时间(Th)视为TP体内释放(溶出)时间(Tf)与RP总驻留时间(Tg)之和,Tf与Tg相互独立,Th、Tf及Tg均为非负且连续型随机变量.对TP:假设Tf概率分布未知,故Th亦服从由一次血管外给药后的血药浓度-时间数据用数值方法求得的概率密度函数(PDF)的数值解的某一未知概率分布(非参数模型).对RP:由于无释放(溶出)过程或释放(溶出)过程可忽略不计(相对于TP),故假设药动学呈两室模型分布、一级动力学吸收、室间转运与消除特征,则可推导出Tg的PDF公式(参数模型).根据卷积公式,得卷积型Volterra积分方程,运用数值反卷积分法求解,得到TP体内各时间间隔平均释放(溶出)速率值.结果:半参数随机模型可估计出TP体内释放(溶出)速率、TP的PDF之数值解及RP的PDF的函数形式与参数估计值.结论:半参数随机模型可用于两室模型药物体内释放(溶出)动力学研究.
