醫用直線加速器質控數據分析與管理系統-QAManager的功能設計與臨床應用

王學敏，吳湘陽，常曉斌，馮濤，屈喜梅，趙強，楊迪，鄧佳

陜西省腫瘤醫院放療醫院放射治療區，陜西西安710061

前言

目前醫用直線加速器質量保證（Quality Assurance,QA）和質量控制（Quality Control,QC）已成為保證放射治療安全準確進行的必備措施［1］。根據內容QA可分為加速器機械、劑量學、影像學3部分；按照檢測周期可分為日檢、月檢和年檢［2-4］。這些質控數據量大且繁雜，目前普遍采用紙質表格存儲，很難實現數據的便捷實時分析及回顧查找［5-6］，為加速器性能長期變化分析及數據有效管理增加了很大的困難［7-9］。此外，當前加速器影像系統質控多依靠操作人員肉眼識別，精準度對人員依賴性大，很難實現真正的結果一致性定量分析［10-11］。本研究基于Python Django框架系統開發出一種加速器質控數據存儲和分析管理系統（QAManager），能夠實現加速器質控數據的存儲和分析，影像數據基于算法自動分析，期望能解決上述問題。

1 材料與方法

1.1 材料

①QAManager：自行開發的加速器質控數據分析處理系統。基于Python Django 2.2框架系統開發，數據庫為MySQL 14.14，兼容Chrome、IE等主流瀏覽器，配備OBI影像自動分析算法；②TrueBeam醫用直線加速器（Varian,USA）；③Catphan504模體（The Phantom Laboratory,Salem NY,USA）；④SPSS軟件（V13.0,IBM）。

1.2 系統軟件架構

系統架構采用3層MTV設計模式，如圖1所示。底層為數據的模型塊（Model），實現數據的建模與存儲，負責系統數據庫的讀取和寫入；中間的模塊（View）為交互工作平臺，實現功能邏輯和算法，負責處理需顯示數據或邏輯運算；上層的模塊（Template）為用戶交互平臺，實現用戶數據的輸出與輸入，負責系統與用戶的交流。

圖1 軟件架構圖Fig.1 Software architecture

1.3 系統功能

加速器質控管理及分析系統，能對加速器性能穩定性行檢測分析，系統按功能可分為質控數據統計和影像分析兩部分。系統采用樹形結構數據庫表設計，左側為系統主要功能分類，包括日檢、周檢、月檢、年檢和影像質控。不同的項目對應不同的表單，表格上方工具欄可實現數據的添加、編輯、移除和分析。

1.3.1 質控數據統計功能主要包括劑量學和機械數據統計兩個方面，可進行條件搜索、繪制數據趨勢圖、以Excel表格交互傳遞分析等功能。

1.3.2 影像分析功能可對加速器測得的Catphan503/504等模體影像進行自動分析和檢測。研究中以Catphan504為例［12］，分析其空間分辨率、低對比度分辨率、HU線性和均勻性、影像幾何失真度和層厚。具體算法和分析方式如下：

（1）空間分辨率：Catphan504空間分辨率模塊（CTP528）包含21對鋁制的線對，線對間距從0.500到0.024 cm之間遞減。QAManager根據線對在模體中具體位置進行粗帶采樣，繪制出CT值隨采樣點變化的曲線圖，找出峰值CTpeak和谷值CTvalley，再通過式（1）計算線對的調制傳遞函數（MTF）值［13］，最后相對MTF（RMTF）通過最小頻率即間距最大的線對結果歸一，用RMTF=0.5表示圖像的空間分辨率：

（2）低對比度分辨率：選取Catphan504低對比度分辨率模塊（CTP515）中1.0%supra-slice為感興趣區域（ROI），在其附近選取兩個背景區域（Background）。使用式（2）計算每個ROI的對比度噪聲比（Contrast-to-Noise,CNR）。式中ROImean、ROIstdev、ROIdiameter分別為感興趣區域CT平均值、CT標準差、直徑，Backgroundmean是背景區域CT平均值。研究中設置CNR閾值為10，當CNR大于10時［14］，認為ROI可見，否則不可見：

（3）HU線性和均勻性：HU線性（CTP404）和均勻性（CTP486）模塊中包含多種不同HU值的材料。根據模體中不同材料所在的位置，采用霍夫變換識別圖像中相應材料的HU區域為ROI，取ROI中CT平均值作為對應材料的HU值。

（4）影像幾何失真度：CTP404模塊中有距離50 mm的節點，通過測量節點之間的距離來判斷影像的幾何失真度。根據節點在模體中的具體位置找到感興趣區域ROI，ROI區域內使用邊緣閾值化，檢測到需要測量的端點并對其距離進行測量。

（5）層厚：通過測量CTP404中一定角度放置線段的半高寬（FWHM）計算層厚。根據Catphan504使用手冊，測量線段計算FWHM值，使用FWHM×0.42得到層厚。

1.4 QAManager可靠性驗證

QAManager系統主要包含數據統計和分析功能，后者中算法精確度和可靠性是重點考察的部分。①算法精確度驗證：選取我科2019年TrueBeam OBI質控所得Catphan504影像及人工分析結果，使用QAManager自動計算分析，驗證QAManager算法的準確性和精確性。②算法魯棒性驗證：將Catphan 504模體正常擺位后分別向左、右、前、后移動1 cm，模擬日常擺位誤差，利用OBI掃描模體，使用QAManager分析影像，驗證QAManager算法的魯棒性。

1.5 TrueBeam性能變化評估

使用QAManager對我科TrueBeam加速器2019年7～12月間測量所得的晨檢、周檢和月檢數據進行分析，評估加速器性能變化情況。主要評估參數有光子輸出穩定性、光子平坦度和對稱性、機械等中心偏差、左右兩側（令左為A右為B）及天花板激光燈偏差、光距尺準確度、鉛門及MLC到位準確度、機架角和小機頭角及治療床角度變化、光射野一致性以及影像學參數（幾何失真度、低/高密度分辨率、HU準確性、均勻性、層厚）。

1.6 統計學方法

使用SPSS（V13.0,IBM）軟件進行數據分析，符合正態分布的計量資料采用均數±標準差表示，采用配對t檢驗分析。P＜0.05為差異有統計學意義。

2 結果

2.1 質控數據統計

使用QAManager分析我科2019年7～12月間TrueBeam質控數據統計結果如圖2所示。圖2a為光子穩定性數據統計界面，圖2b為使用查詢功能顯示TrueBeam 6 MV能量的光子穩定性數據的界面圖，用戶可根據需求顯示不同搜索結果，圖2c和圖2d分別為使用系統繪制圖像功能繪制出光子穩定性參數隨時間變化的柱狀圖和折線圖。從圖中可以看出，2019年7～9月間，TrueBeam平坦度和對稱性均呈上升趨勢，隨后開始下降。猜測加速器平坦度和對稱性于2019年9月調整，與維修記錄一致。

2.2 影像分析結果

對Catphan504模體在OBI系統腹部模式下掃描得到的CBCT三維影像使用QAManager自動分析，如圖3所示為算法自動分割結果圖，對分割結果分析，得到OBI系統的空間分辨率、低對比度分辨率、HU線性和均勻性、影像幾何失真度和層厚，如圖4a所示為系統OBI影像質控結果存儲界面圖。

2.3 自動分析算法驗證

本研究對2019年1～12月間所有Catphan504質控圖像人工和QAManager分析結果比較。使用SPSS繪制數據的箱線圖，發現層厚、PMP和空間分辨率3組數據中存在異常點（圖4b）。剔除異常點后重新對數據進行統計分析，如表1所示，除層厚外（P=0.05），其余比較統計結果均無統計學意義（P＞0.05）。

2.4 算法可靠性驗證結果

使用QAManager分析模體分別向前、后、左、右4個方向移動1 cm后影像，所得空間分辨率、低密度分辨率、層厚及HU準確性等指標檢測成功率均為100%，即算法可成功檢測到所有模塊指標，具有良好的魯棒性。

3 討論

目前，現階段國內大部分醫院均以科室為單位進行放療的質控管理，各級醫院中質控情況、質控技巧各不相同，缺少規范化、系統化以及可持續的質量管理。在互聯網快速發展的今天，建立放療質控數字化管理，有利于：①通過互聯網實現各級醫院的互聯互通，為各級醫院提供放療質量控制、保障和管理；②在數字化信息中，管理人員可快速抓取錯誤數據，把握加速器整體變化趨勢，對其決策提供幫助［15］。

QAManager為基于Windows系統開發的網頁版質控數據管理平臺，能夠實現加速器質控數據實時存儲和分析，以及OBI影像系統自動檢測。與傳統質控數據管理方式相比，QAManager具有以下優勢：①隨時編輯和統計加速器質控數據，實現無紙化數據存儲；②快速繪制質控項目趨勢圖，觀察加速器狀態變化，分析可能的原因；③支持數據以Excel格式本地交互，對后續大數據和人工智能研究提供數據支持［16-17］；④實現OBI影像系統自動分析，減少分析過程中可能存在的人為誤差，節省質控時間。

圖2 QAManager數據統計界面Fig.2 QAManager interfaces for data statistics

圖3 Catphan504影像分析結果Fig.3 Analysis results of Catphan504 image

圖4 QAManager OBI 自動分析統計界面與異常點分析箱線圖Fig.4 QAManager interface for automatic statistics on OBI data and box plot analysis for outliers

表1 人工、QAManager對Catphan504影像分析結果比較（±s）Tab.1 Comparison of the results of annual analysis and QAManager analysis on Catphan504 image(Mean±SD)

表1 人工、QAManager對Catphan504影像分析結果比較（±s）Tab.1 Comparison of the results of annual analysis and QAManager analysis on Catphan504 image(Mean±SD)

模塊CTP528 CTP515 CTP404指標空間分辨率低對比度分辨率層厚空氣聚4-甲基戊烯-1（PMP）低密度乙烯聚乙烯丙烯酸聚甲醛樹脂特氟隆人工分析5.50±1.00 3.58±2.06 2.12±0.13‐999.25±1.76‐195.33±7.92‐106.25±6.98‐48.92±7.49 115.42±15.11 350.58±18.56 969.25±49.76 QAManager 5.67±0.59 3.17±1.70 1.79±0.35‐998.08±4.52‐192.08±7.90‐101.58±11.80‐44.29±14.08 118.67±20.35 359.21±27.94 982.71±67.34 t值0.561-2.159-3.531 0.816 1.232 2.092 1.642 0.772 1.796 1.198 P值0.586 0.054 0.050 0.432 0.244 0.060 0.129 0.456 0.100 0.256

QAManager可正常完成質控數據，包括日檢、周檢、月檢、年檢以及影像質控的數據統計和分析。通過對光子穩定性，包括光子平坦度和對稱性的特殊趨勢變化點出現原因進行分析，例如維修或者天氣變化等因素，對實際質控工作中數據的測量時間和測量周期具有一定的預測和指導性意義。OBI的自動分析結果與人工分析結果進行對比，層厚、PMP和空間分辨率中均存在異常點。分析所用模體CT圖像和結果，發現出現異常點的可能原因有：首先，CT圖像采集的準確性、包括掃描條件的選擇和模塊掃描的完整性欠佳；其次，掃描條件的不當改變會影響CT成像質量，使得CT圖像信噪比過低；最后，隨機偽影的存在及機器故障的發生。上述原因均可能對自動分析結果產生不良影響。此外，人工分析中的操作人員經驗不足也會造成人為失誤而影響檢測結果。剔除異常點后，除層厚外所有P值均大于0.05，兩種結果差異很小，算法具有很好的準確性和精確性。層厚P值為0.05，從表中可以看出QAManager層厚值平均值比人工分析大，造成這一現象的原因是計算圖像半高寬時，不同操作人員觀察最大CT值和計算機判斷存在一定的差異而導致最終結果具有一定的差異性［10］。但是，兩種方法層厚整體變化趨勢是一致的，即若層厚存在一定偏差仍可用自動分析方法檢測。將模體移位模擬日常工作中可能出現的擺位偏差，算法檢測成功率均為100%，算法具有良好的魯棒性，QAManager影像檢測可應用于日常質控工作中。因此，使用該自動分析軟件不僅更節約時間，數據也更加的穩定。與目前市場上相關商用軟件相比，例如瓦里安Mobius 3D、PerFRACTION等［18-20］：這些軟件大都集多種功能于一體，集成度很高，功能定制和擴展很難實現，并且很少有專門針對質控數據開發的統計分析軟件。此外，很多醫院并沒有充足的資金購買該類軟件。QAManager系統根據科室內部需求自主開發相應功能，使用操作方便，對幫助本科室日常工作和辦公室管理具有重要的意義。

利用QAManager對加速器質控數據進行管理，是一種高效、便捷且準確、環保的統計工具。對實現科室網絡化管理具有重要的意義，為以后的科研工作奠定了堅實的基礎。