应用错误分类模型,使用基于剂量分布的指数进行特征评估,评估多叶聚合器位置错误

科学领域:

• 医学物理 医学物理
• 放射治疗 物理 物理
• 图像分析在放射瘤学中的图像分析.

背景情况:

• 精确的辐射传递依赖于精确的多叶聚合器 (MLC) 定位.
• MLC位置错误可以显著影响剂量分配和治疗疗效.
• 需要先进的分析技术来有效地描述这些错误.

研究的目的:

• 为了评估与剂量分配指数相关的MLC位置错误的特定特征.
• 为了研究马的实用性,结构相似性,以及用于错误表征的 dosiomics 索引.
• 使用dosiomics功能开发一个用于MLC位置错误的预测模型.

主要方法:

• 使用美国医学物理学家协会任务组119计划模拟系统和随机的MLC位置错误.
• 分析了使用马,结构相似性和剂量学指数的剂量分布.
• 开发和验证多变量预测模型,包括后勤回归,评估性能指标 (AUC,准确性,精度,灵敏度,特异性).
• 检查了剂量-体积组图 (DVH) 的差异,并将它们与剂量组学发现相关联.

主要成果:

• 完成了七个多变量预测模型,确定了显著的剂量指数 (GLCM能量,GLRLM_LRHGE) 作为MLC位置错误的关键特征.
• 后勤回归模型在MLC位置错误预测 (AUC > 0.9) 中取得了出色的性能.
• 剂量-体积组图 (DVH) 分析结果与剂量学相关,反映了MLC位置错误特征,并突出了局部剂量差异.

结论:

• 剂量学分析,特别是使用GLCM Energy和GLRLM_LRHGE,有效地表征了多叶聚合器 (MLC) 位置错误.
• 基于dosiomics的预测模型在识别MLC位置错误方面表现出高准确性.
• 剂量学提供了对DVH的补充信息,增强了对由于放射治疗中MLC错误导致的局部剂量分配变化的理解.