在MR导向放射治疗期间,用于实时3D运动和不确定性估计的高斯过程
Niek R F Huttinga1, Tom Bruijnen1, Cornelis A T van den Berg1
1Department of Radiotherapy, Division of Imaging & Oncology, University Medical Center Utrecht, The Netherlands; Computational Imaging Group for MR diagnostics & therapy, Center for Image Sciences, University Medical Center Utrecht, The Netherlands.
Medical image analysis
|May 28, 2023
概括
这项研究引入了使用高斯过程的实时框架,以准确跟踪MR指导放射治疗 (MRgRT) 期间的呼吸运动. 该系统提供了运动不确定性地图,提高了患者的安全性和治疗效率.
科学领域:
- 医学物理 医学物理
- 放射治疗技术 放射治疗技术
- 医疗成像医学成像
背景情况:
- 呼吸运动在放射治疗期间引入了瘤向的重大不确定性,往往需要更大的辐射边缘和更低的剂量,从而损害了治疗效率.
- 混合MR-linac系统为管理呼吸运动提供了实时自适应MR导向放射治疗 (MRgRT) 的潜力.
- 从MR数据中准确和快速估计3D运动场,以及信任度,对于安全和有效的实时MRgRT至关重要.
研究的目的:
- 开发和验证一个实时框架,从有限的MR数据中推断出3D呼吸运动场及其不确定性.
- 为了在MR导向放射治疗中实现运动估计和适应的总延迟不到200毫秒.
- 建立运动估计信心的质量保证措施,以确保患者的安全.
主要方法:
- 开发了一个利用高斯过程的新框架,可以从最小的MR数据 (三个读数) 推断出3D运动场和不确定性图.
- 该框架的推断速度得到了优化,达到高达69Hz的率,包括数据采集和重建.
- 基于运动场不确定性图的拒绝标准被设计用于质量保证.
主要成果:
- 该框架展示了适用于实时MR指导放射治疗应用的高速推断 (高达69Hz).
- 在 silico 验证显示了终点误差,75 个百分点小于 1 mm.
- 拒绝标准有效检测出错误的运动估计,证实了该框架在体内质量保证方面的潜力.
结论:
- 拟议的基于高斯过程的框架可以从有限的MR数据中实时3D运动场和不确定性估计.
- 该框架满足MR-linac系统上实时自适应MR导向放射治疗的严格延迟要求.
- 开发的不确定性图和拒绝标准为质量保证提供了有价值的工具,提高了MR导向放射治疗中的患者安全.
