基于深度学习的剂量预测,以改善妇科癌症体积调制弧线治疗的计划质量

科学领域:

• 医学物理 医学物理
• 放射治疗瘤学 放射治疗瘤学
• 人工智能在医学中的应用

背景情况:

• 深度学习模型在预测3D辐射剂量分布方面表现有前途.
• 需要进一步的研究来评估这些预测的可用性,以提高治疗计划的质量.

研究的目的:

• 开发一种深度学习模型,用于预测妇科癌症VMAT计划中的高质量剂量分布.
• 评估该模型在提高VMAT计划质量方面的实用性.

主要方法:

• 在79个VMAT女性骨盆计划上训练了3D密度扩展U-Net模型.
• 输入数据包括CT扫描,剂量处方和轮信息.
• 一位放射瘤学家使用5分尺度评估预测剂量分布,并根据预测重新优化计划.

主要成果:

• 预测的剂量分布在质量上与临床计划相似, voxel-wise 的剂量差异很小.
• 预测中的目标剂量指标和风险器官剂量与临床计划密切匹配.
• 所有预测的剂量都被认为是临床上可接受的,重新规划显示了进一步优化的潜力.

结论:

• 深度学习剂量预测有效地产生高质量,临床上可接受的剂量分配在妇科癌症VMAT.
• 这种方法可以通过额外的优化来确定计划改进的机会.