简要总结
粒子治疗能够将辐射精确地传递到选定的深度，从而避免损伤肿瘤附近的健康组织。然而，当目标在呼吸过程中移动时（这种情况常见于许多肺癌、肝癌和胰腺癌患者），这种精确性可能会受到影响，因为微小的移动可能导致肿瘤接受剂量不足或邻近器官受到不必要的辐射。荧光透视技术能够在治疗过程中实时显示目标位置，因此是实现动态粒子治疗的理想成像方法。本文回顾了荧光透视硬件的发展历程，从图像增强器到与质子治疗设备集成在一起的现代平板探测器，并总结了各厂商提供的荧光透视引导系统。同时分析了为什么可靠的图像跟踪仍然依赖于植入的基准标记。接下来，我们探讨了基于人工智能的新方法，这些方法有望实现无需基准标记的肿瘤跟踪。文章还讨论了相关的技术和临床挑战。
摘要
粒子治疗相对于光子治疗的剂量优势主要源于其精确的剂量梯度。但在现代笔形束扫描系统中，由于治疗过程中的肿瘤移动，这种优势可能会受到影响。荧光透视引导的粒子治疗（Fluoroscopy-Guided Particle Therapy, FGPT）通过实时跟踪肿瘤或替代信号，为改进运动管理提供了有效途径。平板探测器（Flat-Panel Detector, FPD）技术的发展使得荧光透视与治疗设备的集成更加紧密，从而加速了该技术的临床应用和研究。目前市场上有诸如日立的Real-time Gated Particle Therapy (RGPT)等商用系统。然而，由于需要植入基准标记，这带来了侵入性和并发症风险，因此RGPT的应用范围仅限于特定患者的某些解剖部位。因此，FGPT的潜力完全取决于能否实现可靠的无标记肿瘤跟踪。由于软组织目标会被X射线路径上的解剖结构遮挡，传统图像配准算法在投影域的可靠性较低。近期深度学习和人工智能驱动的图像配准技术的进步为克服这些挑战带来了新的希望，使得实时无标记肿瘤跟踪成为可能。本文概述了荧光透视技术的发展历程，总结了各厂商提供的FGPT策略，并综述了相关文献中的新兴人工智能算法。同时，还对基于机器学习的图像配准技术进行了全面分析，指出了其在通用性和解释性方面的挑战，并探讨了实现可靠、可临床应用的FGPT的潜在路径。
