摘要目的:构建基于降噪堆叠自编码器(stacked denoising autoencoder,SDAE)和回归链(RegressorChain,RC)的SDAE-RC模型,并探讨其对宫颈癌容积旋转调强放疗(volumetric modulated arc therapy,VMAT)计划剂量-体积直方图(dose-volume histogram,DVH)的预测价值.方法:回顾性选取2020年6月—2024年2月某院收治的175例宫颈癌患者,随机抽取25例患者作为测试集,其余150例患者作为训练集.使用SDAE模型对所有病例中计划靶区(planning target volume,PTV)及危及器官(organ at risk,OAR)的广义距离直方图(generalized distance to histogram,gDTH)和DVH进行特征降维.采用RC模型学习降维后gDTH与DVH之间的关系,并生成预测特征.使用SDAE模型对预测特征进行重建,并生成DVH.使用平均绝对误差(mean absolute error,MAE)和均方根误差(root mean square error,RMSE)作为SDAE-RC模型性能评估参数,分别对PTV及OAR进行评估.比较测试集中SDAE-RC模型预测值与参考真实值的剂量学参数,使用泰勒图分析SDAE降维与主成分分析法(principal component analysis,PCA)降维对模型预测结果的影响.结果:SDAE-RC模型对膀胱的DVH预测准确性低于对其他结构的预测准确性,对于不同样本的双侧股骨头预测准确性存在差异.在测试集中,SDAE-RC模型在预测膀胱的V40及直肠的V20和V30时,预测值大于参考真实值,差异有统计学意义(P均<0.05).泰勒图显示,使用SDAE降维的模型预测值与参考真实值间RMSE更低,与参考真实值的相关系数更高.结论:与传统基于PCA降维的预测方法相比,SDAE-RC模型在提高预测鲁棒性的同时强化了gDTH特征与DVH特征间的关系,提高了预测精度,为宫颈癌DVH的提供了新思路.