磁感应热疗治疗肿瘤研究进展和临床试验

 靶向磁感应治疗癌症在肿瘤治疗方面是一项突破性的技术,该技术基于磁感应热疗（MIH）应用于癌症的治疗,具有广阔的发展前景。德国、美国及日本在该领域的研究已有显著成果,并进入临床试验。中国在该领域经过十多年的探索,一些研究所已进入国际前沿。其中,清华大学在磁感应热疗方面得到了许多成果,尤其是将磁感应热疗系统应用于临床试验。本文概述磁感应热疗用于癌症治疗方面的研究进展。     

磁感应热疗联合125I籽源近距离放疗研究

 磁感应热疗植入合金热籽与放射籽源在尺度上处于同一水平,当热籽和放射籽源同时植入肿瘤组织,热场和辐射将共同作用于肿瘤细胞,提高肿瘤细胞的杀灭作用.本文应用电磁学理论计算射频磁场中热籽和放射籽源的产热功率.并将不同分布的热籽和放射籽源置于磁感应设备射频磁场中,调节磁场参数,观察不同条件下的温升曲线.同时研究了放射籽源在磁感应射频磁场下的升温情况以验证放射籽源的安全性,以及合金热籽与放射籽源混合排布情况下的升温情况以验证联合治疗的有效性.理论计算和实验结果表明,放射籽源在磁感应治疗射频磁场下(50~500kHz)磁热效应不显著,其用于热放疗的安全性得到验证.将放射籽源与热籽混合植入琼脂体模和离体肌肉组织,在介质植入区域内温度均远超过43℃,可实现植入区域内热疗对放疗的增敏作用.     

磁感应治疗研究和临床试验

 肿瘤磁感应加温治疗是近年来兴起的一项新型肿瘤治疗技术。该技术利用定位导入肿瘤靶区的磁性介质在交变磁场下的磁化损耗产热,对恶性肿瘤实施磁介导加温治疗。研究表明,肿瘤组织在交变磁场诱导的磁热效应下升温至40～70℃时,靶区沉积的热能作用可特异性杀死癌细胞,抑制癌症复发和转移,并可激发机体的抗癌免疫效应,进一步增强治疗效果,是一种简便易行、安全有效的肿瘤治疗方法。磁感应加温治疗在肿瘤治疗的特异性、靶向性等方面显现出其独特优势,已引起了国内外肿瘤临床治疗界的极大兴趣。本文对实验室近年来开展的基于多种磁性介质的肿瘤磁感应热疗研究进行了综述,主要包括磁感应治疗设备研制、热疗用磁性介质研发和磁热疗生物医学实验研究3个方面。在这些研究的基础上,肿瘤磁感应热疗的临床前实验已经完成,目前已经开展一期临床试验研究。     

热籽磁感应加温在肌肉体模中的升温效果

 为了探讨不同数量和不同排布方式下,热籽在等效肌肉的琼脂体模中磁感应升温效果,制作琼脂等效肌肉模型,利用模板植入不同数量热籽：1颗、2颗、3×3阵列排布、4×4阵列排布、双层4×4不同层间距排布。在选择的测温点植入热电偶,将植入完成的琼脂体模置于磁极下,进行磁场辐照,测定并记录升温情况。结果表明,1颗和2颗热籽植入体模在磁场中加热后温度可达25～32℃,热籽在体模中的发热功能稳定。9颗热籽植入体模在磁场中加热后,两颗热籽间温度达到37.5℃,热籽阵外1.0cm处温度为30.1℃。16颗热籽植入体模在磁场中加热后,热籽阵列中心温度达到52.9℃。不同层间距热籽植入体模在磁场中加热后,中心点位置温度均达到65℃以上。随着逐渐远离中心点,温度呈下降趋势,在热籽阵外1.0cm处降至42～45℃。层间距1.0cm与0.8cm的结果比较,各测温点间温度相差约1.0℃;层间距1.0cm与层间距0.5cm的结果比较,各测温点间温度相差约3.0℃。因此,本研究成功模拟了等效肌肉的琼脂体模,一定数量的热籽在既定靶区磁感应升温,可以达到肿瘤治疗所需温度。     

磁感应热疗恶性肿瘤技术研究进展

 磁感应热疗恶性肿瘤是一种基于交变磁场辐照磁介质并通过磁感应产热杀死肿瘤病变组织的新兴技术。20世纪60年代,磁感应热疗技术兴起,围绕提高热疗效果、开发兼具多重疗效的磁性介质和优化温度场分布,开展了大量研究工作,取得了显著效果。本文总结了铁磁热籽、磁流体、磁性脂质体、磁性微晶玻璃、磁性骨水泥等的实验研究与临床应用近期进展,指出进一步提高疗效、优化治疗区热场分布中存在的问题。     

基于有限元仿真的磁感应肿瘤治疗设备线圈优化设计

在针对头部肿瘤的线圈式磁感应肿瘤治疗设备设计中,为了提高治疗磁场的强度与均匀度,需要对传统的圆形同轴线圈进行改进。根据临床需求和理论分析,采用D形线圈设计,并通过软件仿真与实际测量加以评估。结果表明:在相同条件下D形线圈与圆形线圈相比其中心磁场强度提高了约5.9%,有效治疗空间增加了约4.6%,设备性能有了一定的提高。线圈电感值的仿真与实际测量结果均符合设备要求。     

热籽感应加温治疗大鼠乳腺原位移植性乳腺癌

为了评估热籽感应加温治疗大鼠原位移植性乳腺癌的治疗效果,采用74只乳腺皮下接种Walker-256乳腺癌肿瘤细胞的Wistar大鼠随机分为C组(空白对照组,14只),M组(磁场对照组,13只).T组(热籽对照组,13只),H组(加温治疗H1组,16只;H2组,16只).H1组,43～45℃常规热疗30min;H2组,50～55℃热切除治疗10min.加温治疗后即刻、治疗后12和24h各组均处死2只大鼠行常规病理检查及Bax、Bcl-2、PCNA的免疫组化检测.测量大鼠肿瘤体积并观察长期生存.结果表明,肿瘤侵入乳腺组织,热疗后肿瘤组织出现坏死及凋亡形态改变,肿瘤生长受到抑制.H1组Bax表达增加,Bcl-2表达下降.H1组、H2组PCNA表达下降与3个对照组比较有显著性差异(P<0.05).H,组、H2组与3个对照组相比,生存期明显延长(P<0.01),H1组与H2组相比无显著性差异(P>0.05).由此得出,2个温度组热籽感应加温治疗对大鼠原位移植性乳腺癌的疗效相当.     

应用于肿瘤磁感应热疗技术的磷酸钙磁性骨水泥介质的研究

 磁性骨水泥是一种能兼顾骨修复和肿瘤热疗的新型磁感应热疗介质.为了获得性能优良的磁性骨水泥,本研究选择7 种微米级金属介质,分别对其形貌、升温能力、磁学性能进行筛选,筛选出性能优良的磁性介质.优选出的磁性介质与磷酸钙骨水泥按照不同比例混合,制备出不同配比的磁性骨水泥.通过测试凝固时间、抗压强度、体外升温等指标,进一步确定了磁性骨水泥的最优配比,为其应用提供了实验依据.     

基于并行组合模拟退火的全局优化算法

针对目前优化方法求解非线性多极值优化问题时存在的不足，提出了并行组合模拟退火算法。在分析算法性能的同时用并行组合模拟退火算法对两个算例进行了求解，并与模拟退火算法、遗传算法进行了比较。结果表明，该方法简单、可靠，具有较高的精度和适应性。     

基于模拟退火的万有引力算法

针对标准万有引力算法的个体位置更新策略可能对个体造成破坏且算法局部搜索能力较弱问题提出了一种改进算法。该算法将模拟退火思想引入万有引力算法,采用基于 Metroplis 准则的个体位置更新策略,并在引力操作之后,对每代最优个体进行退火操作。一定程度避免了个体移动的盲目性,提高了算法的局部搜索能力、收敛速度与精度。实验结果表明:算法的改进策略是有效的,且改进后的算法在收敛速度、收敛精度等方面具有明显优势。     

磁流体联合药物缓释载体介导的肿瘤磁感应热化疗

化学共沉淀法制备磁感应热疗用纳米介质——氨基硅烷修饰的磁流体,超声乳化法制备担载多西紫杉醇的聚乳酸-羟基乙酸纳米缓释微球,对二者进行理化表征,并将二者作为磁感应热化疗复合介质进行系统性研究。红外光谱分析磁纳米粒子表面已经成功修饰氨基硅烷,热重分析表明氨基硅烷包封率为2.5%～3%,透射电镜观察磁纳米粒子粒径约为10nm,振动样品磁强计验证磁流体为超顺磁性,体外升温实验表明该纳米颗粒在交变磁场下具有良好的升温能力。扫描电镜观察高分子载药微球具有规则的形态,Zeta电位检测微球表面呈负电性,差示扫描量热仪分析多西紫杉醇在纳米微球内以非晶体形式存在,高效液相分析载药高分子缓释微球具良好的缓释性能,细胞热化疗实验发现磁流体联合载药缓释微球具有良好的热协同效应。研究初步表明,磁流体-高分子载药微球是一种有效的磁感应热化疗复合介质。     

基于模拟退火的排课算法

模拟退火算法应用在排课问题中，主要适用于具有均匀排课要求的排课问题，得到排课最优解。随机产生的可行解自然具有均匀性，而适当选取算法的控制参数，能加快获得问题的整体最优解或近似最优解的收敛速度。     

基于模拟退火的混合遗传算法

分析了遗传算法和模拟算法的优缺点,并将两种算法进行混合,提出一种基于模拟退火的混合遗传算法以弥补两个算法的不足,理论分析和仿真实验表明该方法的有效性和可行性。     

基于遗传模拟退火算法的任务分配与调度

网格将多种资源组织在一个统一的框架下,为各种复杂的计算任务提供资源。因此计算任务在各种资源之间的调度成为了一个关键的问题。结合遗传算法GA和模拟退火算法SA的优点,提出了一种全局遗传模拟退火算法GGSAA,并将算法应用于网格计算任务调度问题的求解之中。最后给出了GGSAA算法的仿真结果。     

磁感应热疗联合内放疗的新型肿瘤治疗技术

 磁感应热疗是一种融合了生物技术、新材料的新型热疗方法,它利用铁磁性物质可在交变磁场下感应升温的物理特性,将毫米级(合金热籽)、微纳米级(磁流体)的铁磁性物质植入到肿瘤组织内进行热疗.磁感应热疗具有靶向性强、升温可控、诊断和治疗同步化等诸多优点,给人类治疗肿瘤带来了新的希望和契机.     

基于遗传算法模拟退火算法解决修边损耗问题

纸箱包装行业是一个传统的产业,在纸箱生产中需要拼单来降低修边损耗以减少成本。本文根据生产上的实际经验提出了问题的数学模型,针对该模型,本文将遗传算法和模拟退火算法结合,解决了遗传算法的收敛过快以及局部搜索能力不强的问题。在选择操作中直接保存优秀个体,来增强算法的收敛性。在变异和交叉操作中采用自适应的变异和交叉概率,增强了搜索解空间的均匀性,并引入了记忆功能,最终获得问题的近似最优解。     

基于模拟退火算法的数据聚类分析

本文针对数据聚类分析和最优化问题的相似点,用模拟退火算法进行聚类分析。根据数据对象的特征,提出了基于模拟退火的产生函数和迭代方案。通过实例验证,表明该新算法能够有效地解决数据聚类分析问题。     

基于模拟退火算法营养膳食优选的研究

通过模拟退火算法实现对各种慢性疾病进行营养膳食配餐的快速优选,并且把研究结果在膳食系统中加以应用.对慢性疾病配餐算法的研究体现了营养学平衡膳食的科学原理和数学建模思想,实现了计算机与多学科的综合应用.     

基于多重网格的模拟退火算法

为了提高模拟退火算法的收敛速度,提出了一种基于多重网格的模拟退火算法（SAM）,用于求解高维函数优化问题,并分析了其收敛性．13个著名的测试函数对SAM算法进行数值实验,结果表明SAM算法具有良好的搜索能力和收敛速度．     

基于模拟退火算法的属性均值聚类算法

基于对属性均值聚类算法和求解全局优化问题的方法的分析,提出了基于模拟退火算法的属性均值聚类算法。数值计算表明该算法是一个具有全局最优解的聚类方法。