[医药卫生]三维剂量计算模型和治疗方案优化课件.ppt

1、高能高能X()射线的三维剂量计算模型射线的三维剂量计算模型 IMRT治疗方案优化治疗方案优化.高能高能X()射线的三维剂量计算模型射线的三维剂量计算模型.治疗计划的设计步骤 体模阶段体模阶段 计划设计计划设计 计划确认计划确认 计划执行计划执行.射野剂量分布的数字表达射野剂量分布的数字表达 三维剂量计算模型中，最常用的剂量数据的表达方三维剂量计算模型中，最常用的剂量数据的表达方式是式是剂量网格矩阵剂量网格矩阵 直角坐标系直角坐标系 极坐标系极坐标系 扇形线坐标系扇形线坐标系 等离轴比线坐标系等离轴比线坐标系坐标系的选择取决于采用的剂量计算模型坐标系的选择取决于采用的剂量计算模型.1、直角坐标系

2、、直角坐标系 最直观最直观的网格矩阵表示方法的网格矩阵表示方法 网格点大小按网格点大小按剂量精度剂量精度选择选择 射野边缘，剂量变化梯度较射野边缘，剂量变化梯度较大的地方，应选较小网格点大的地方，应选较小网格点 缺点缺点：需存储的数据量较大：需存储的数据量较大.2、极坐标系、极坐标系 特别适用于特别适用于旋转照射旋转照射的剂的剂量计算量计算 剂量等中心处归一剂量等中心处归一Pijj.3、扇形线坐标系、扇形线坐标系 网格点网格点为源于放射源的扇为源于放射源的扇形线与平行于模体形线与平行于模体（或患者（或患者皮肤表面）皮肤表面）的平行线的平行线（深度线）（深度线）的交点的交点 扇形线扇形线间距间距

3、随偏离中心轴随偏离中心轴而变化，而变化，半影区扇形线较半影区扇形线较密密.4、等离轴比线坐标系、等离轴比线坐标系等离轴比线等离轴比线为位于同一离为位于同一离轴比线上诸点的剂量率与轴比线上诸点的剂量率与模体内同一深度处中心轴模体内同一深度处中心轴上剂量率之比为常数上剂量率之比为常数剂量网格点剂量网格点为平行于模体为平行于模体的不同深度线与相应离轴的不同深度线与相应离轴比线的交点比线的交点射野边缘等离轴比线靠得射野边缘等离轴比线靠得比较近，射野中心区域的比较近，射野中心区域的等离轴比线相距较远等离轴比线相距较远.剂量计算模型剂量计算模型组织的不规则轮廓和不均匀性密组织的不规则轮廓和不均匀性密度度次

4、级电子的输运和能量沉积次级电子的输运和能量沉积NoImageNoImageNoImage.剂量计算模型：剂量计算模型：不规则轮廓不规则轮廓和和不均匀性密不均匀性密度度基于基于修正修正基于基于模型模型次级电子能量沉积次级电子能量沉积.基于修正的剂量计算模式基于修正的剂量计算模式 以以参考条件下对标准野测量深度剂量、离轴比、参考条件下对标准野测量深度剂量、离轴比、散射因子等为基础，加之必要散射因子等为基础，加之必要修正修正后得到实际放射后得到实际放射物理条件和放射治疗对象剂量分布的剂量计算方法。物理条件和放射治疗对象剂量分布的剂量计算方法。.均匀模体中，均匀模体中，P点的剂量为：点的剂量为：Dm：

5、参考射野在等中心处的模体内最大剂量点处剂量；：参考射野在等中心处的模体内最大剂量点处剂量；OUF：射野输出因子；：射野输出因子；INSQ：距离平方反比因子；：距离平方反比因子；TMR：组织最大剂量比；：组织最大剂量比；OAR：计算点所在深度处的射野离轴比；：计算点所在深度处的射野离轴比；WC：楔形板、组织补偿器、射野挡块等对原射线的修正因子：楔形板、组织补偿器、射野挡块等对原射线的修正因子不均匀模体时，不均匀模体时，利用利用有效深度有效深度修正修正.矩阵法矩阵法 解析法解析法基于修正的剂量计算模式基于修正的剂量计算模式不规则轮廓不规则轮廓和和不均匀性密度不均匀性密度.矩阵法矩阵法 楔形板、射野

6、挡块、组织补偿楔形板、射野挡块、组织补偿器、曲面和不均匀组织对剂量器、曲面和不均匀组织对剂量分布的影响，按一维校正因子分布的影响，按一维校正因子逐点逐点计算与修正。计算与修正。等剂量线叠加在矩阵网格上，等剂量线叠加在矩阵网格上，形成形成射野剂量矩阵射野剂量矩阵。多个射野剂量矩阵的叠加，形多个射野剂量矩阵的叠加，形成多野照射的剂量分布成多野照射的剂量分布.解析法解析法 剂量分布通常表示为两个函数的乘积。剂量分布通常表示为两个函数的乘积。二维情况下二维情况下：射野中心平面上点射野中心平面上点(x,z)处的剂量；处的剂量；射野中心轴上与计算点射野中心轴上与计算点P在同一深度处的点在同一深度处的点P的

7、剂量；的剂量；深度深度 z 处距离射野中心轴处距离射野中心轴 x 处的离轴比；处的离轴比；三维情况下三维情况下：NoImageNoImageNoImageNoImage.矩阵法矩阵法和和解析法解析法依赖于实验条件和实验模型，用于实际剂依赖于实验条件和实验模型，用于实际剂量计算时，通常要根据实际情况进行量计算时，通常要根据实际情况进行校正校正，如射野形状、，如射野形状、源皮距、人体曲面、非均匀组织、楔形板等源皮距、人体曲面、非均匀组织、楔形板等 主要用于计算主要用于计算二维平面二维平面上的剂量分布上的剂量分布.剂量计算模型剂量计算模型基于模型的剂量计算模式基于模型的剂量计算模式1.原射线和散射线

8、剂量分离法原射线和散射线剂量分离法2.卷积法卷积法3.蒙特卡罗法蒙特卡罗法次级电子输运次级电子输运次级电子沉积次级电子沉积.1、原射线剂量和散射线剂量分离法、原射线剂量和散射线剂量分离法 在在电子平衡电子平衡的条件下，将体模中任意一点的剂量分的条件下，将体模中任意一点的剂量分为为原射线剂量原射线剂量和和散射线剂量散射线剂量两部分，即体模内的吸收剂两部分，即体模内的吸收剂量为：量为：原射线剂量计算：指数衰减规律原射线剂量计算：指数衰减规律散射线剂量计算散射线剂量计算:1.散射空气比散射空气比(SAR)或或散射最大剂量比散射最大剂量比(SMR)，散射模体比散射模体比(SPR)2.微分散射空气比微分

9、散射空气比(differential scatter-air ratio,DSAR).半经验公式模型半经验公式模型 原射线剂量原射线剂量：用零射野的：用零射野的组织空气比组织空气比(TAR)表示表示 最大剂量空气比最大剂量空气比(TMR)，组织模体比，组织模体比(TPR)散射线剂量散射线剂量：用：用散射空气比散射空气比(SAR)表示表示 散射最大剂量比散射最大剂量比(SMR)，散射模体比，散射模体比(SPR)射野内任一点的剂量为：射野内任一点的剂量为：Dm计算点处空气中的吸收剂量；计算点处空气中的吸收剂量；d为组织深度；为组织深度；r为计算点深度处的圆形野半径；为计算点深度处的圆形野半径；PO

10、AR为模体中深度为模体中深度d处原射线的离轴比处原射线的离轴比NoImage.半经验公式模型半经验公式模型在在均匀模体均匀模体中或中或不规则野不规则野的剂量计算，有较高计的剂量计算，有较高计算精度算精度没有考虑计算点周围不均匀组织对剂量的影响，没有考虑计算点周围不均匀组织对剂量的影响，不能用于三维计算不能用于三维计算.对半经验公式模型的改进对半经验公式模型的改进等效组织空气比等效组织空气比(ETAR)法法1.有效深度有效深度d:修正扇形线方向上不均匀组织引起的深度变化修正扇形线方向上不均匀组织引起的深度变化2.有效射野有效射野r:组织密度和散射点与计算点间相对位置的函数组织密度和散射点与计算点

11、间相对位置的函数不均匀组织引起的剂量校正因子不均匀组织引起的剂量校正因子CF为：为：第第i,j,k个体素单元的散射线对个体素单元的散射线对计算点剂量贡献的相对重要性计算点剂量贡献的相对重要性 扇形线上第扇形线上第i个不均匀组个不均匀组织的相对电子密度织的相对电子密度.微分散射空气比微分散射空气比(DSAR)微分散射空气比微分散射空气比(DSAR)：散射体积单元：散射体积单元V内的散射空气比内的散射空气比均匀介质均匀介质中某一点的散射剂量为中某一点的散射剂量为DSAR在受照体积内的在受照体积内的积分积分关键关键：把体模分成一系列的子层面，然后导出各子层面对计算：把体模分成一系列的子层面，然后导出

12、各子层面对计算点的微分表达式，由这些微分表达式计算出各子层面对计算点点的微分表达式，由这些微分表达式计算出各子层面对计算点的散射贡献的散射贡献.微分散射空气比微分散射空气比(DSAR)柱形环单元内柱形环单元内r r 内的散射内的散射空气比：空气比：柱形环单元柱形环单元r r 内的散射空内的散射空气比沿深度气比沿深度d的变化，即的变化，即V内的散内的散射空气比射空气比对对r，z求和可求得求和可求得P点的散射剂量点的散射剂量.微分散射空气比微分散射空气比(DSAR)对对不均匀组织不均匀组织，P点的散射剂量点的散射剂量散射体积单元的组织密度散射体积单元的组织密度水的密度水的密度散射体积单元中原射线的

13、改变量散射体积单元中原射线的改变量达到达到P点散射线的衰减的改变量点散射线的衰减的改变量.2、卷积法、卷积法 剂量计算是通过将放射性的剂量计算是通过将放射性的光通分布光通分布(fluence distribution)与一个与一个点扩展函数点扩展函数(point spread distribution)或或卷积核卷积核相相卷积来实现卷积来实现表示体模中点表示体模中点(x,y,z)处的剂量处的剂量 表示射野的光通分布表示射野的光通分布表示点表示点扩展函数扩展函数或或卷积核卷积核.MU：加速器监测剂量计数加速器监测剂量计数CF：参考射野在最大剂量点处的校准剂量率参考射野在最大剂量点处的校准剂量率W

14、：第第i个子野中第个子野中第j个个FSPB的权重的权重ROF：射野输出因子：射野输出因子TMR：组织最大剂量比：组织最大剂量比ISF：反平方校准因子反平方校准因子.卷积核的获取卷积核的获取 直接实验测量法直接实验测量法（粗糙的方法）（粗糙的方法）采用适当的限光和准直装置，把准直器散射降到最低，把测量得到的小采用适当的限光和准直装置，把准直器散射降到最低，把测量得到的小野剂量分布的二维截面剂量分布作为二维卷积核野剂量分布的二维截面剂量分布作为二维卷积核 有限面积的近似卷积核有限面积的近似卷积核 高斯函数逼近法高斯函数逼近法 用高斯函数的解析式逼近三（二）维卷积核用高斯函数的解析式逼近三（二）维卷

15、积核 小角度散射小角度散射Monte Carlo模拟法模拟法（高精度方法）（高精度方法）等同于在均匀介质中用等同于在均匀介质中用Monte Carlo方法进行剂量计算方法进行剂量计算 解卷积法解卷积法（简单可靠）（简单可靠）从测量数据中用解卷积方法抽取卷积核的方法从测量数据中用解卷积方法抽取卷积核的方法 卷积核包含了全部光子与物质作用的全部物理信息，获取容易可靠卷积核包含了全部光子与物质作用的全部物理信息，获取容易可靠.3.蒙特卡罗法蒙特卡罗法(Monte Carlo)原理：原理：用用Monte Carlo方法来模拟大量单个光子在输运过程中与物方法来模拟大量单个光子在输运过程中与物质的作用过程

16、，通过对作用过程的随机采样，对每一次作质的作用过程，通过对作用过程的随机采样，对每一次作用应用放射物理定律来预测和统计作用的结果。用应用放射物理定律来预测和统计作用的结果。Monte Carlo技术是用随机抽样技术模拟三个过程：技术是用随机抽样技术模拟三个过程：1.1.原射线的能谱及其离轴分布；原射线的能谱及其离轴分布；2.2.原射线及散射线光子在介质中的输运过程；原射线及散射线光子在介质中的输运过程；3.3.模拟由光子与物质相互作用后产生的次级电子的输运和能模拟由光子与物质相互作用后产生的次级电子的输运和能量沉积过程。量沉积过程。lMonte Carlo是一种适用性最强的三维剂量计算方法，但

17、计是一种适用性最强的三维剂量计算方法，但计算时间太长无法满足临床的实时要求。算时间太长无法满足临床的实时要求。.IMRT治疗方案优化治疗方案优化.IMRT计划优化计划优化 优化优化目标函数目标函数和优化和优化搜索算法搜索算法是是IMRT优化的重要内容优化的重要内容目标函数目标函数优化搜索算法优化搜索算法+NoImage预期治疗结果预期治疗结果靶区及危及器官内三维剂量分布靶区及危及器官内三维剂量分布 射野入射方向，射束强度分射野入射方向，射束强度分布，剂量权重，射束数目等布，剂量权重，射束数目等.目标函数目标函数(Objective Function)目标函数目标函数 以数学公式表示以数学公式表

18、示期望分布期望分布和和实际分布实际分布差异的函数形式差异的函数形式最简单的目标函数：最简单的目标函数：优化的目的在于使优化的目的在于使 Objective function=0.目标函数目标函数物理目标函数物理目标函数（常用，成熟）（常用，成熟）给定或限定靶区和危及器官应达到的给定或限定靶区和危及器官应达到的物理剂量分布物理剂量分布，实施，实施准确的优化治疗准确的优化治疗生物目标函数生物目标函数（最高原则，根本目标）（最高原则，根本目标）限定应达到要求的限定应达到要求的治疗结果治疗结果，如无并发症的肿瘤控制率等，如无并发症的肿瘤控制率等，实施最佳的治疗实施最佳的治疗 尚未进入临床使用阶段尚未进

19、入临床使用阶段.物理目标函数物理目标函数治疗计划优化的目的：治疗计划优化的目的：靶区得到足够的剂量，危及器官得以保护靶区得到足够的剂量，危及器官得以保护可通过下面可通过下面3种可能途径实现：种可能途径实现：1.危及器官危及器官(OAR)作为约束条件，对靶区剂量函数进行优化；作为约束条件，对靶区剂量函数进行优化；2.靶区剂量作为约束条件，对靶区剂量作为约束条件，对OAR剂量进行最小化；剂量进行最小化；3.靶区剂量和靶区剂量和OAR剂量一起构成函数进行优化；剂量一起构成函数进行优化；.靶区剂量和靶区剂量和OAR剂量一起构成函数进行优化剂量一起构成函数进行优化，其目标函数一，其目标函数一般式：般式：

20、根据治疗的地点和靶区的定位及大小来调整根据治疗的地点和靶区的定位及大小来调整惩罚惩罚，以反，以反映全面的治疗目标映全面的治疗目标.临床研究和应用最为广泛的物理目标函数临床研究和应用最为广泛的物理目标函数 基于剂量的目标函数基于剂量的目标函数 (dose-based objective function)基于剂量体积的目标函数基于剂量体积的目标函数 (dose-volume-based objective function)基于等效均匀剂量的目标函数基于等效均匀剂量的目标函数 (equivalent uniform dose-based objective function).基于剂量的目标函数

21、基于剂量的目标函数(dose-based objective function)基本形式基本形式只有超过耐受剂量的只有超过耐受剂量的OAR点才对它的目标函数构成有贡献点才对它的目标函数构成有贡献.应用应用.基于剂量基于剂量-体积的目标函数体积的目标函数(dose-volume-based objective function)NoImage.基于剂量基于剂量-体积的目标函数体积的目标函数 基于剂量体积的优化仅惩罚基于剂量体积的优化仅惩罚一定范围内一定范围内突破剂量限制的点，突破剂量限制的点，因此，在优化处理过程中更具灵活性因此，在优化处理过程中更具灵活性 只有当正常组织的吸收剂量位于只有当正常

22、组织的吸收剂量位于D1与与D2之之间时，才对该目标函数有贡献间时，才对该目标函数有贡献 对于靶区，可用两种剂量体积标准限制对于靶区，可用两种剂量体积标准限制冷热点冷热点的出现的出现V(82Gy)5%及及 V(79Gy)95%.基于等效均匀剂量的目标函数基于等效均匀剂量的目标函数(EUD-based objective function)EUD是一种是一种生物等效剂量生物等效剂量。若以此剂量均匀照射所产生的生物。若以此剂量均匀照射所产生的生物效应，与实际的非均匀剂量照射所产生的效果相同，即等效，效应，与实际的非均匀剂量照射所产生的效果相同，即等效，则可以用该则可以用该EUD来表示实际的非均匀剂量

23、分布。来表示实际的非均匀剂量分布。EUD广义形式为广义形式为：（适用于肿瘤和正常组织：（适用于肿瘤和正常组织）.基于等效均匀剂量的目标函数基于等效均匀剂量的目标函数(EUD-based objective function)EUD简单形式简单形式：.小小 结结目前以目前以剂量剂量-体积为基础的目标函数已经成为公认的标准体积为基础的目标函数已经成为公认的标准，这，这种方法易于使用，不复杂，速度快，对于多数治疗部位，都种方法易于使用，不复杂，速度快，对于多数治疗部位，都能得到较满意的计划，可作为常规临床实践的能得到较满意的计划，可作为常规临床实践的首选首选。以以EUD为基础的优化是一种颇具竞争力地

24、替代方法，它的表为基础的优化是一种颇具竞争力地替代方法，它的表达式简单，容易计算，且在一定程度上模拟了被照射器官的达式简单，容易计算，且在一定程度上模拟了被照射器官的生物效应。它是生物效应。它是物理目标函数到生物目标函数的一个过渡物理目标函数到生物目标函数的一个过渡，将在今后的将在今后的IMRT放射治疗中将会得到越来越广泛的应用。放射治疗中将会得到越来越广泛的应用。.优化算法优化算法确定性方法确定性方法(Deterministic method)梯度算法梯度算法(Gradient method)随机性方法随机性方法(Stochastic method)模拟退火法模拟退火法(Simulated

25、annealing)遗传算法遗传算法(Genetic algorithm).梯度算法梯度算法 共轭梯度法共轭梯度法 牛顿法牛顿法 缩放共轭梯度法缩放共轭梯度法热点热点常用常用.共轭梯度法共轭梯度法迭代公式：迭代公式：.牛顿法牛顿法 牛顿算法的迭代公式为牛顿算法的迭代公式为 牛顿梯度法不但利用了目标函数在牛顿梯度法不但利用了目标函数在搜索点的梯度搜索点的梯度，还利用了还利用了二阶导数二阶导数，考虑了梯度变化的趋势，因而能，考虑了梯度变化的趋势，因而能更快地搜索出最优点更快地搜索出最优点.缩放共轭梯度法缩放共轭梯度法 缩放共轭梯度法用以下算式来代替共轭梯度法中二阶导缩放共轭梯度法用以下算式来代替共

26、轭梯度法中二阶导数的计算数的计算 NoImage.缩放共轭梯度法缩放共轭梯度法NoImageNoImage.随机性方法随机性方法 以以随机搜寻随机搜寻的算法来作为最优化的理论基础的算法来作为最优化的理论基础 模拟退火法（模拟退火法（Simulated annealing）遗传算法（遗传算法（Genetic algorithm）.遗传算法遗传算法（Genetic algorithm）GA算法是一种基于算法是一种基于群体型群体型操作的算法，以群体中的所操作的算法，以群体中的所有个体为操作对象有个体为操作对象。选择选择、交叉交叉和和变异变异是是GA算算法的三个主要操作算子。它法的三个主要操作算子。它

27、们构成了所谓的遗传操作们构成了所谓的遗传操作。GA算法的基本流程算法的基本流程.GA算法的基本流程算法的基本流程 编码技术编码技术：把空间的参数：把空间的参数转换成遗传空间的由基因转换成遗传空间的由基因按照一定结构组成的个体按照一定结构组成的个体 一维染色体编码一维染色体编码 二维染色体编码二维染色体编码 多参数影射编码等多参数影射编码等 初始群体的生成初始群体的生成 群体的规模：取个体编码长度的一个线性倍数群体的规模：取个体编码长度的一个线性倍数 群体中个体的初始化：群体中个体的初始化：随机随机方式初始化方式初始化.GA算法的基本流程算法的基本流程 适应度函数的建立适应度函数的建立 针对输入

28、可以计算出能加针对输入可以计算出能加以比较的非负结果以比较的非负结果 简单通用：简单通用：目标函数的简目标函数的简单变形单变形 选择操作选择操作：优胜劣汰的过程优胜劣汰的过程 适应度比例方法适应度比例方法 排序选择方法排序选择方法 竞标赛选择方法竞标赛选择方法 排挤方法排挤方法.GA算法的基本流程算法的基本流程 交叉操作交叉操作：把两个父代个体：把两个父代个体的部分结构加以替换重组生的部分结构加以替换重组生成新的个体成新的个体 交叉概率交叉概率：决定是否需要：决定是否需要进行交叉操作进行交叉操作 设定交叉点，对交叉点前设定交叉点，对交叉点前后的部分结构进行交换后的部分结构进行交换 变异操作变异

29、操作：对个体串上的：对个体串上的某些基因位置上的基因值某些基因位置上的基因值进行变动进行变动 随机确定需要变异的基随机确定需要变异的基因的位置因的位置 变异概率变异概率对该位置的基对该位置的基因值进行变异因值进行变异.IMRT射野权重优化射野权重优化 编码技术编码技术 编码对象就是笔射束权重，采用二进制编码编码对象就是笔射束权重，采用二进制编码 初始群体初始群体 确定群体规模，利用确定群体规模，利用System.random函数产生函数产生规模规模为为2M的的群体，并计算出每个个体的适应度，从中筛选出群体，并计算出每个个体的适应度，从中筛选出适应度适应度比比较高的较高的M个个体形成个个体形成初

30、始种群初始种群，并建立解码函数。，并建立解码函数。应用举例应用举例预设预设5个子野，根据肿瘤的形态和位置，个子野，根据肿瘤的形态和位置，5个子野的方向个子野的方向设定为设定为45、120、210、270、330.IMRT射野权重优化射野权重优化 适应度函数的建立适应度函数的建立应用举例应用举例NoImageNoImage.IMRT射野权重优化射野权重优化 适应度函数的建立适应度函数的建立应用举例应用举例 优化的目标是使优化的目标是使g(X)取值最小取值最小 因因GA适用于最大值问题的优化，因此适用于最大值问题的优化，因此f(X)=1/g(X)当当g(X)=0，说明得到最优解，说明得到最优解治疗

31、计划设计为：治疗计划设计为：肿瘤靶区处方剂量肿瘤靶区处方剂量8000cGy、危险器官和、危险器官和正常组织的正常组织的最高受限剂量为最高受限剂量为3000cGy、5000cGy，分，分20次次照照射，每周射，每周5次次，每次肿瘤靶区实际受照剂量为，每次肿瘤靶区实际受照剂量为400cGy。.按按初始权重初始权重分别计算每一分别计算每一子野的剂量，即可得到三子野的剂量，即可得到三维上的剂量分布维上的剂量分布 然后依据设定的目标函数然后依据设定的目标函数对计划进行评估对计划进行评估应用举例应用举例GA算法的基本流程算法的基本流程.选择、交叉和变异选择、交叉和变异 为防止优秀个体由于选择、交叉或变异中

32、的偶然因素而被破为防止优秀个体由于选择、交叉或变异中的偶然因素而被破坏，保证坏，保证GA的全局收敛性，采用的全局收敛性，采用最优个体保留方式最优个体保留方式 最优个体保留方法：将每一代种群的最优个体保留下来最优个体保留方法：将每一代种群的最优个体保留下来,不不参与遗传操作参与遗传操作,使之直接进入下一代使之直接进入下一代 遗传参数的选择采用遗传参数的选择采用经验法经验法NoImage应用举例应用举例.结果结果 计划系统经过计划系统经过100次迭代，达到了所要求的临床目标，次迭代，达到了所要求的临床目标，迭代过程中适应度的变化迭代过程中适应度的变化迭代次数超过迭代次数超过75次以后，适应度的值基

33、本不再变化，说明已经取得了最优解。次以后，适应度的值基本不再变化，说明已经取得了最优解。应用举例应用举例.结果结果NoImage显示：显示：100等剂量线完全包含了肿瘤靶区，没有出现剂量热点和冷点，等剂量线完全包含了肿瘤靶区，没有出现剂量热点和冷点，靶区内剂量最高靶区内剂量最高107，剂量分布均匀，高剂量区剂量分布的形状在三，剂量分布均匀，高剂量区剂量分布的形状在三维方向上与靶区形状一致，达到了适形的要求，维方向上与靶区形状一致，达到了适形的要求，30%等剂量线经过危险等剂量线经过危险器官，符合给定的危险器官耐受剂量小于器官，符合给定的危险器官耐受剂量小于150cGy的要求，很好的保护了的要求，很好的保护了危险器官危险器官应用举例应用举例.