呼吸运动补偿的在线预测:MRI指导放射治疗的患者特定门控
Yang Li1,2,3,4, Zhenjiang Li2, Jian Zhu2
1Laboratory of Image Science and Technology, School of Computer Science and Engineering, Southeast University, Nanjing, 210096, Jiangsu, People's Republic of China.
Radiation oncology (London, England)
|September 11, 2023
概括
适应线性回归准确地预测了内部器官运动,以改善肝癌和肺癌患者的MR导向放射治疗,优于复杂的复杂神经网络.
科学领域:
- 医学物理 医学物理
- 放射治疗技术 放射治疗技术
- 计算生物学 计算生物学
背景情况:
- 准确的运动预测对于内部瘤的MR指导放射治疗 (MRgRT) 是至关重要的.
- 内部器官运动,特别是在肝癌和肺癌中,对治疗准确性构成重大挑战.
- 2D cine-MR成像为运动跟踪提供实时数据.
研究的目的:
- 为了验证线性回归来预测内部器官/瘤运动的2D cine-MR数据.
- 开发一个在线门禁信号预测方案,以提高肝癌和肺癌MRgRT的准确性.
- 为了比较线性回归与循环神经网络 (RNN) 的性能.
主要方法:
- 从21名肝癌和10名肺癌患者中收集了2D电影-MRI序列.
- 开发了一种二进制门信号预测算法,预测瘤运动交叉时间.
- 测试了0.4s和0.6s预测窗口的线性预测器和RNNs,考虑到0.5s的系统延迟.
- 评估了一个具有30s燃烧期的自适应线性回归模型,用于在线参数适应.
- 使用振幅指标 (MAE,RMSE,R2) 和新型时间指标 (交叉错误,门错误,门准确性) 评估准确性.
主要成果:
- 线性回归在0.4s和0.6s预测窗口 (P <0.05) 中显著优于RNNs.
- 适应线性回归模型实现了最高的性能.
- 肝癌的平均准确度达到98.3%,肺癌的平均准确率达到98.0%.
- 平均关门误差为肝癌44毫秒,肺癌45毫秒.
结论:
- 使用自适应线性回归,开发了一种有效的在线门控方案.
- 这种自适应线性回归方法比基于RNN的方法更具成本效益和准确.
- 拟议的方法提高了用于胸部和腹部癌症的MR导向放射治疗的精度.
