《Radiation Physics and Chemistry》：EPID picket fence test-based MLC QA: Integration methods with partially removing beam radiation scattering between strips
编辑推荐：
摘要
背景
当前利用栅栏测试（PF test）开展多叶准直器（MLC）质量保证（QA）的方法易受条带间束流辐射散射的影响，这可能导致分析结果不准确。
目的
本研究旨在量化条带束流辐射散射对算法参数的影响，并对其进行部分去除。随后，通过结合日志文件（
摘要
背景
当前利用栅栏测试（PF test）开展多叶准直器（MLC）质量保证（QA）的方法易受条带间束流辐射散射的影响，这可能导致分析结果不准确。
目的
本研究旨在量化条带束流辐射散射对算法参数的影响，并对其进行部分去除。随后，通过结合日志文件（log files），提出具有高精度的MLC QA集成方法。
方法
本研究设计了一系列电子门户成像设备（EPID）PF测试模板，通过改变条带宽度（范围：7–13 mm，步长：1 mm）和间距（范围：10–20 mm，步长：2 mm），量化PF测试图像中条带间束流辐射散射对3个算法参数——全宽半高（FWHM）、峰高和峰面积——的影响，并通过建立散射库（scattering library）对该效应进行部分去除。随后，依据特定算法参数并结合日志文件，开发了3种MLC QA算法，即FWHM方法、峰高方法和峰面积方法。为提高算法的准确性与稳健性，进一步通过投票和线性拟合分别整合这3种算法，提出了投票集成方法（VIM）和拟合集成方法（FIM）。此外，本研究还分析了不同算法数据处理方式及条带间距对所开发算法位置精度的影响，以寻求最优的算法开发模式。
结果
在PF测试图像中，对于不同宽度的条带，随着条带间距增大，所有位置上的FWHM和峰面积均增大，而峰高呈相反趋势。在固定条带间距下，PF测试图像中的FWHM和峰高从中央条带向两侧条带逐渐减小。除两侧边缘条带外，其余条带的峰面积几乎保持不变。对于每个条带中的每一对相对叶片，分别针对其算法参数进行独立算法开发时，可获得最高的位置精度。当条带间距不小于16 mm时，算法总体绝对位置误差相对恒定，为0.155 ± 0.168 mm；各算法的绝对位置误差分别为0.294 ± 0.213 mm（峰高方法）、0.100 ± 0.086 mm（峰面积方法）、0.071 ± 0.054 mm（FWHM方法）、0.064 ± 0.066 mm（VIM）和0.036 ± 0.036 mm（FIM）。
结论
PF测试图像中条带间束流辐射散射对算法参数的影响不可忽视。本研究提出的两种MLC QA集成方法被证明是有效的。当条带间距超过特定阈值后，算法的位置精度保持相对稳定，且基本不受条带位置或间距变化的影响。
这篇发表于《Radiation Physics and Chemistry》的论文聚焦于放射治疗中多叶准直器（MLC，多叶构形限束装置）质量保证（QA）的核心问题，即如何在电子门户成像设备（EPID）栅栏测试（PF test）中更准确地评估叶片位置。研究背景在于，MLC是医用直线加速器（linac）实现调强放疗（IMRT）、容积旋转调强放疗（VMAT）、图像引导放疗（IGRT）和自适应放疗（ART）的关键执行部件，其叶片定位精度直接影响靶区剂量适形性与危及器官保护。文中引述既往研究表明，毫米级MLC位置误差即可引起显著剂量学偏差，而MLC又是直线加速器机械故障和部件更换的重要来源，因此高精度、可重复的MLC QA算法具有重要临床意义。
目前PF测试虽是MLC QA的经典手段，但传统胶片法流程复杂、耗时且成本较高，EPID因其数字化与设备高集成优势而被广泛采用。然而，现有基于EPID的PF分析方法仍存在若干问题：其一，不同研究采用的条带宽度、间距和数量差异很大，缺乏统一标准；其二，不少算法依赖固定测试模板，当条带间距或数量变化时，计算精度可能下降；其三，商业软件对模板可调性有限，难以适配不同PF图案；其四，PF图像中相邻条带之间的束流辐射散射会改变图像强度分布，从而干扰边缘检测参数，导致叶片位置评估偏差。研究人员正是在这一背景下开展本研究，目的在于系统评估条带间散射对关键算法参数的影响，建立部分校正机制，并在此基础上提出更稳健的MLC QA集成算法。
研究人员在Infinity医用直线加速器（Elekta AB, Stockholm, Sweden）及其Agility MLC系统上采集EPID PF图像，围绕FWHM、峰高和峰面积3类算法参数建立分析框架。研究首先通过系统设计不同条带宽度和条带间距的PF模板，量化散射效应对参数的影响规律；随后通过构建辐射散射库（scattering library）对该影响进行部分去除；在此基础上结合日志文件（log files）开发3种独立算法，并进一步提出投票集成方法（VIM）与拟合集成方法（FIM）两种算法融合策略，以获得更高的位置预测精度。研究最终得出结论：条带间束流辐射散射对PF算法参数的影响不可忽略，且通过建立散射校正和算法集成框架可显著提升MLC QA定位精度，其中FIM表现最佳。
本研究采用的主要关键技术方法包括：基于EPID的PF测试模板设计，通过调节条带宽度7–13 mm和间距10–20 mm量化散射影响；构建散射库以部分移除条带间束流辐射散射；结合直线加速器日志文件分别建立FWHM法、峰高法与峰面积法3种MLC QA算法；进一步以投票和线性拟合策略实现VIM与FIM两种集成分析；并比较不同数据处理方式、不同条带间距及不同叶片建模策略对位置精度的影响。样本来源为Infinity直线加速器上获取的EPID PF图像及相应日志文件。
MLC and EPID
研究平台为配备Agility MLC的Infinity医用直线加速器。Agility MLC由A、B两个叶片库组成，每侧80片叶片，等中心处单叶投影宽度为5 mm，最大成野范围为40 cm × 40 cm。论文在这一部分主要交代硬件基础，说明EPID图像采集及MLC叶端光学跟踪能力，为后续PF图像分析和日志文件结合建模提供设备学基础。
The impact of radiation scattering from strip beams
这一部分是全文的关键。研究人员通过系统改变条带宽度和间距，分析散射对3类算法参数的影响。结果表明，随着条带间距增加，不同宽度条带在所有位置的FWHM与峰面积均上升，而峰高下降，提示相邻条带间散射会显著改变PF信号轮廓的宽度、强度与积分特征。在固定条带间距条件下，FWHM与峰高从中央条带向两侧条带逐渐降低，说明条带位置本身也会影响参数分布；而除边缘条带外，多数条带峰面积近似不变，提示峰面积对部分空间位置变化相对稳健。基于这些结果，研究人员认为，若忽视条带间散射和条带空间位置差异，单一固定参数模型难以保证PF测试算法在不同模板中的泛化能力，因此有必要通过散射库进行部分校正，并按叶片与条带特征分别建模。
Accuracy of the algorithm
这一部分围绕位置精度展开比较。研究人员分别构建了峰高法、峰面积法、FWHM法，以及在此基础上形成的VIM和FIM，并评估不同算法开发策略的效果。结果显示，当对每个条带中的每一对相对叶片分别就算法参数进行独立建模时，可获得最高的位置精度，说明叶片级、条带级参数个体化建模优于统一模型。进一步地，当条带间距不小于16 mm时，算法总体绝对位置误差维持在0.155 ± 0.168 mm，表明达到一定间距阈值后，散射影响趋于稳定，算法鲁棒性提升。不同方法的绝对位置误差依次为：峰高法0.294 ± 0.213 mm、峰面积法0.100 ± 0.086 mm、FWHM法0.071 ± 0.054 mm、VIM 0.064 ± 0.066 mm、FIM 0.036 ± 0.036 mm。该结果表明，传统峰高法精度最低，FWHM法优于峰面积法，而两种集成方法进一步提高了精度，尤其FIM获得全研究中最佳表现。
Discussion
讨论部分总结了本研究完成的两项核心工作。第一，系统评估了常规PF图像中条带束流辐射散射对MLC QA边缘检测算法参数的影响，并通过建立辐射散射库实现了部分校正。第二，在既有工作的基础上，围绕已识别的算法参数构建了相应分析算法，并成功提出VIM和FIM两种集成方法。结合前述结果可见，本研究不仅指出了PF图像中长期被低估的散射干扰问题，也给出了一种兼顾准确性与稳健性的改进路径。与依赖固定模板的商业软件相比，这种基于参数规律、日志文件和算法集成的框架更适合应对不同条带宽度、间距和位置条件下的PF测试分析。研究还显示，当条带间距达到一定阈值后，位置精度基本稳定，说明PF模板设计中条带间距是影响算法稳定性的关键因素之一。此外，独立建模每个叶片参数可进一步提高预测性能，说明MLC QA算法的高精度实现需要更细粒度的参数化策略。
Conclusions
研究结论部分可译为：PF测试图像中条带间束流辐射散射对算法参数的影响不可忽视。本研究提出的两种MLC QA集成方法已被证明有效。当条带间距超过16 mm时，算法的位置精度保持相对稳定，且基本不受条带位置或间距变化的影响。此外，若对每片叶片的算法参数进行独立建模，则可进一步提高算法的预测精度。
总体而言，这项研究的价值主要体现在三个方面。其一，它明确揭示了EPID PF测试中条带间散射对FWHM、峰高和峰面积等关键参数的系统性影响，为理解不同PF图案下分析结果波动提供了解释。其二，研究通过散射库部分去除干扰，并结合日志文件建立多算法框架，使MLC位置评估更接近高精度临床QA需求。其三，提出的VIM与FIM证明，多算法集成优于单一参数法，尤其FIM在绝对位置误差上达到0.036 ± 0.036 mm，显示出较高应用潜力。对于EPID基础上的MLC QA标准化开发而言，该研究提供了具有方法学意义的参考，也为不同PF模板条件下的算法优化提供了可操作的证据基础。
