用卷积神经网络进行笔束扫描疗法的质子源的启动剂量计算模型
Yaoying Liu1,2,3, Xuying Shang1,2,3,4, Wei Zhao1,5
1School of Physics, Beihang University, Beijing, 102206, People's Republic of China.
Physics in medicine and biology
|July 5, 2023
概括
我们开发了PSMC-Net,这是一种用于启动质子源模型的新型深度学习方法. 这种方法显著提高了质子疗法剂量计算中的蒙特卡洛模拟的准确性.
科学领域:
- 医学物理 医学物理
- 辐射瘤学 辐射瘤学
- 计算生物学 计算生物学
背景情况:
- 质子源模型调试 (PSMC) 对于使用蒙特卡洛 (MC) 模拟进行笔束扫描 (PBS) 质子疗法的准确剂量计算至关重要.
- 在PSMC中启动名义能量和能量差值参数是具有挑战性的,因为它们的间接性质.
研究的目的:
- 开发一种高效准确的方法来调试质子源模型参数.
- 为PSMC引入一个名为"PSMC-Net"的新型卷积神经网络 (CNN).
主要方法:
- PSMC-Net 接受了源模型参数和相应的MC集成深度剂量 (IDD) 数据集的培训.
- 对33种70-225 MeV之间的能量进行了单独的训练.
- 该网络使用130对数据对进行训练,10对用于验证,10对用于测试.
主要成果:
- 使用PSMC-Net的委托源模型与测量IDD相比,实现了99.91 ± 0.12% (1毫米/1%) 的马传导率 (GPR).
- 在没有投入使用的情况下,GPR显著下降到54.11 ± 22.36%.
- 临床病例的3D GPR平均值 (2 mm/2%) 为扩散布拉格峰值的99.89%,患者计划的99.96 ± 0.06%.
结论:
- PSMC-Net提供了一种新,简单,高效和准确的质子源模型调试方法.
- 这种深度学习方法显著提高了质子疗法中基于MC的剂量计算的精度.
