鼻癌的同时剂量分配和流动性预测 IMRT IMRT
Yongbao Li1, Wenwen Cai2, Fan Xiao2
1Department of Radiation Oncology, State Key Laboratory of Oncology in South China, Collaborative Innovation Center for Cancer Medicine, Guangdong Key Laboratory of Nasopharyngeal Carcinoma Diagnosis and Therapy, Sun Yat-sen University Cancer Center, Guangzhou, 510060, China.
Radiation oncology (London, England)
|July 4, 2023
概括
这项研究引入了一个新的框架,用于同时预测鼻癌患者的辐射剂量和流动性地图,提高治疗计划的效率和一致性.
科学领域:
- 医学物理 医学物理
- 辐射瘤学 辐射瘤学
- 人工智能在医学中的应用
背景情况:
- 强度调节放射治疗 (IMRT) 的计划是手动的,耗时的.
- 基于知识的规划提高了计划的质量和效率.
- 准确的剂量和流动性预测对于IMRT至关重要.
研究的目的:
- 在鼻癌IMRT中开发用于同时剂量和流动性映射的新型预测框架.
- 使用预测剂量作为目标和流动性作为自动IMRT优化初始解决方案.
- 提高治疗计划的效率和一致性.
主要方法:
- 提出了一个共享的编码器网络,用于同时分配剂量和流动性预测.
- 使用3D轮和CT图像作为输入.
- 在340名鼻癌患者的数据集上训练模型.
- 评估预测的流动性准确性,并将预测的剂量与基本真相进行比较.
主要成果:
- 该网络成功预测了与地面真相相比的剂量分布和流动性地图.
- 实现了高流动性相似性 (结构相似性指数:0.96 ± 0.02) 与低误差 (MAE:0.53% ± 0.13%).
- 预测剂量在临床指数中与基准真相相比显示出极小的差异 (<1 Gy).
结论:
- 在鼻癌IMRT中开发了一种用于同时3D剂量和流动地图预测的新方法.
- 该方法可以集成到快速,自动的计划生成方案中.
- 预测剂量和流动性作为有效剂量目标和优化热启动.
