在使用自适应神经模糊推断系统 (ANFIS) 的胸部CT检查中预测乳腺剂量
Bahareh Moradmand Bahonar1, Vahid Changizi2, Ali Ebrahiminia3
1Department of Radiology and Radiotherapy Technology, Tehran University of Medical Sciences, Tehran, Iran.
Physical and engineering sciences in medicine
|May 28, 2023
概括
这项研究引入了自适应性神经模糊推断系统 (ANFIS),用于在CT扫描中准确预测乳腺辐射剂量,改进了患者安全的传统方法.
科学领域:
- 医学物理 医学物理
- 放射性剂量测量 放射性剂量测量 放射性剂量测量
- 医疗保健中的人工智能
背景情况:
- 胸部CT扫描为乳房提供大量的辐射剂量,引发了对乳腺癌风险的担忧.
- 准确的乳腺剂量评估对于证明CT检查的合理性和确保患者安全至关重要.
- 传统的剂量计方法,如热发光剂量计 (TLD),有其局限性.
研究的目的:
- 开发和验证一种自适应的神经模糊推断系统 (ANFIS),用于预测胸部CT的乳腺辐射剂量.
- 克服传统剂量测量方法在评估患者乳腺剂量的局限性.
- 将ANFIS的预测性能与多重线性回归 (MLR) 进行比较.
主要方法:
- 在接受胸部CT的50名女性患者中,使用TLD测量了乳房剂量.
- 创建了一个ANFIS模型,输入:剂量长度乘积 (DLP),CTDIvol,总mAs和SSDE;输出:TLD剂量.
- 多重线性回归 (MLR) 用于比较分析.
主要成果:
- 通过TLD测量的平均乳腺剂量为12.37±2.46mGy.
- 在测试数据集上,ANFIS模型表现出高准确度,RMSE为0.172和R为0.93.
- 在预测乳腺剂量方面,ANFIS显著优于MLR (R=0.93对R=0.805).
结论:
- 在CT扫描中,ANFIS模型是一个有效和准确的工具,用于预测患者的乳腺剂量.
- 像ANFIS这样的智能模型为优化医学成像中的辐射剂量提供了一个有希望的方法.
- 这种方法可以帮助证明CT检查的合理性和优化,以尽量减少辐射风险.
