前立腺がん放射線療法における断片間解剖学的変異のディープラーニングベースの予測

科学分野:

• メディカルイマージング (医学イメージング)
• 放射線療法 物理学
• 医療における人工知能

背景:

• 膀の体積の変化によって引き起こされる前立腺の断片的移位は,放射線治療の精度に影響します.
• 患者に特有の正確な解剖学的推定は,効果的な前立腺放射線治療に不可欠です.

研究 の 目的:

• ディープラーニング (DL) モデルを開発し,毎日のメガ電圧コンピュータトモグラフィー (MVCT) 画像を予測する.
• 膀の体積と治療分子を用いて前立腺放射線療法における患者特有の解剖学的推定を可能にする.

主な方法:

• トモセラピーで治療された前立腺がん患者の700件のMVCTスキャンを遡及的に分析した.
• 3D U-Netのディープラーニングモデルを訓練し,キロ電圧コンピュータトモグラフィー (KVCT),膀の体積,分数の合成MVCT画像を生成します.
• イメージ類似度メトリック (SSIM,NCC,Dice) とコントールの精度 (Dice,MSD) を用いてモデルのパフォーマンスを評価する.

主要な成果:

• DLモデルは,高いSSIM (0.76-0.80) とNCC (0.84-0.89) で正確なMVCT予測を達成しました.
• 予測された解剖学により,膀 (Dice 0.83) と前立腺 (Dice 0.92) の正確な輪郭ができました.
• 膀の体積の変化は,膀の輪郭の精度メトリックと中程度の相関を示しました.

結論:

• ディープラーニングのフレームワークは,解剖を予測し,非侵襲的な入力を使用して輪郭を生成するための約束を示しています.
• この患者特異的な方法は,計画KVCTと膀容積に基づいて,日々の治療解剖を推定します.
• このアプローチは,毎日のMVCTが標準的な慣行である螺旋型放射線療法システムに適しています.