Neutron beam optimization based on a ^7Li（p,n）^7Be reaction for treatment of deep-seated brain tumors by BNCT

Neutron beam optimization for accelerator-based Boron Neutron Capture Therapy（BNCT） is investigated using a ^7Li（p,n）^7Be reaction. Design and optimization have been carried out for the target, cooling system,moderator, filter, reflector, and collimator to achieve a high flux of epithermal neutron and satisfy the IAEA criteria.Also, the performance of the designed beam in tissue is assessed by using a simulated Snyder head phantom. The results show that the optimization of the collimator and reflector is critical to finding the best neutron beam based on the ^7Li（p,n）^7Be reaction. Our designed beam has 2.49×109n/cm^2 s epithermal neutron flux and is suitable for BNCT of deep-seated brain tumors.     

脑肿瘤射频热疗仪器的研制

设计并制作了一套工作频率为０．５ＭＨｚ的射频组织间透热治疗系统。由于将肿瘤组织均匀地加热到治疗温度并持续一段时间，是透热疗法的关键难题，因而精确的温度测量，准确的温度控制以及均匀的温度分布是本文所追求的目标。     

多模态融合的深度学习脑肿瘤检测方法

针对目前传统方法脑肿瘤检测准确率低的问题,提出一种基于深度学习的三维脑肿瘤检测方法.首先将不同模态的脑肿瘤磁共振成像影像进行融合,获取不同模态下的脑肿瘤病灶三维空间特征;然后在卷积层和池化层之间增加实列归一化层,提高网络的收敛速度,缓解过拟合的问题;并对损失函数进行改进,采用加权损失函数加强对病灶区域的特征学习;最后结合后处理方法解决假阳脑肿瘤病灶多的问题.实验结果表明:提出的脑肿瘤检测方法可有效进行肿瘤病灶定位;相关性系数、敏感性和特异性三种评价指标分别达到了0.926 7、0.928 1和0.997 7,与二维检测网络相比,提高了4.6%、3.96%和0.04%,较初始的单模态脑肿瘤检测方法提升了13.2%、10.42%和0.12%.     

一种改进的三维双路径脑肿瘤图像分割网络

近几年,深度学习在生物医学图像处理中的应用得到了广泛关注。从深度学习的基本理论和医学领域应用出发,提出了一种改进的三维双路径脑肿瘤图像分割网络,用于提高核磁共振成像序列中对脑肿瘤各个区域的检测精度。所提算法以3D-UNet为基础架构,首先,使用改进的双路径网络单元构成类似于UNet的编码-解码器结构,该网络单元在保留原有特征的同时,还可以在脑肿瘤的纹理、形状和边缘等方面产生新特征,来提高网络分割精度;其次,在双路径网络模块中加入多纤结构,在保证分割精度的同时减少了参数量;最后,在每个网络模块中的组卷积之后加入通道随机混合模块来解决组卷积导致的精度下降问题,并使用加权Tversky损失函数替代Dice损失函数,提高了小目标的分割精度。所提模型的平均Dice_ET、Dice_WT和Dice_TC均优于3D-ESPNet、DeepMedic、DMFNet等算法。该研究结果具有一定的现实意义和应用前景。     

纳米胶囊可有效抑制恶性胶质瘤增殖

恶性胶质瘤是患者人数很多的一种恶性脑肿瘤,非常难治且术后复发率较高。日本东京大学的一个研究小组开发出一种内部装有化疗药物的微小高分子胶囊,可有效抑制恶性胶质瘤的增殖,为治疗这种常见的恶性脑肿瘤找到了新方法。脑肿瘤难以治疗的原因在于,构成脑血管的细胞结合非常紧密,血液中的物质不容易渗透到外面,即使向血液中注射药物,也很难到达血管外的肿瘤。     

傅里叶变换红外光谱法检测脑肿瘤

应用傅里叶变换红外光谱法检测了28例液氮冻存的离体脑肿瘤样本及其残留物(将脑肿瘤样本从ATR的ZnSe晶片上取下,样本在ZnSe晶片上沾染后留下的物质).结果发现,神经鞘瘤和神经上皮组织肿瘤(如星形细胞瘤等)的主要特征吸收峰存在明显差异,因此可从各个特征吸收峰的峰位、峰形及不同谱峰强度比的变化来初步鉴别脑肿瘤的性质,脑肿瘤组织样品残留物的红外光谱也可反映不同性质脑肿瘤的差异.与脂类糖蛋白以及核酸相关的谱带变化分析表明,通过特征峰强比(I1460cm-1/I1400cm-1,I1160cm-1/I1120cm-1和I1160cm-1/I1080cm-1)来鉴别肿瘤的性质与病理诊断结果的符合率超过85%.     

高强度聚焦超声经颅脑肿瘤治疗焦域的仿真研究*

为了研究脑组织和脑肿瘤组织在HIFU治疗时形成焦域的特性及坏死肿瘤组织、不同治疗剂量参数以及多次治疗时焦点间距和时间间隔对HIFU形成焦域的影响,本文以脑胶质瘤患者为例,利用患者头颅CT图像数据建立HIFU经颅治疗的仿真模型,基于Westervelt声波非线性传播方程和Pennes生物热传导方程进行HIFU经颅治疗的仿真研究。结果表明,脑组织和脑肿瘤组织内形成HIFU焦域的差异较小,坏死肿瘤组织对HIFU温度场分布有较小影响;辐照声强越大,焦点温升达到同一温度所用时间越短,焦域长短轴越短,颅骨处温升越低;当焦点间距在一定范围内时,第一次辐照形成的温度场分布对第二个焦点温升达到同一温度所需时间影响较大;两次辐照时间间隔对颅骨处温升和两次聚焦形成60?C以上温度分布影响较小。