深度学习质子束范围估计模型用于质量保证,基于模拟中的二维闪光分布
Eunho Lee1, Byungchul Cho2,3, Jungwon Kwak2
1Department of Radiation Oncology, Yonsei Cancer Center, Seoul, Republic of Korea.
Medical physics
|July 30, 2023
概括
这项研究引入了一种深度学习方法,可以从闪光光线分布中准确预测质子束范围和扩散布拉格峰 (SOBP) 宽度,从而提高质子疗法的质量保证.
科学领域:
- 医学物理 医学物理
- 放射治疗 物理 物理
- 医疗保健中的机器学习
背景情况:
- 带有闪光器的光学摄像系统用于质子束范围质量保证 (QA).
- 由于火和光学效应,分析方法很难从闪光图像中推导出剂量分布.
研究的目的:
- 开发一种深度学习方法,将闪光光分布 (LD) 转换为水幽灵中的剂量分布.
- 使用二维地图转换预测质子束范围和扩散布拉格峰 (SOBP).
主要方法:
- 一个2D残余U-net深度学习模型从2D闪光LD地图预测了2D水剂量地图.
- 蒙特卡洛模拟生成了具有不同质子束能量,场大小和移位的数据集.
- 在模拟和预测剂量图上使用布拉格峰值适配和马指数分析来评估模型性能.
主要成果:
- 深度学习方法在估计质子束范围 (分辨率0.02毫米,偏差小于0.1毫米) 和SOBP宽度 (分辨率0.19毫米,偏差小于0.8毫米) 中实现了高精度.
- 模拟和预测剂量分布通过马分析显示出良好的一致性,在特定区域存在小差异.
结论:
- 深度学习转换闪光LD是一种可行且准确的方法,用于估计质子束范围和SOBP宽度.
- 这种方法通过克服传统分析方法的局限性,提高了质子疗法的质量保证.
