使用深度学习和计划优化与有限元控制的自动剂量预测,用于强度调制辐射治疗
Yichao Shen1, Xingni Tang1, Sara Lin2
1Department of Radiation Oncology, Taizhou Hospital, Taizhou, Zhejiang, People's Republic of China.
Medical physics
|September 25, 2023
概括
基于有限元素的优化改善了强度调制放射治疗 (IMRT) 计划的深度学习剂量预测. 这种自动化方法可以降低有风险的器官剂量,同时保持计划目标体积覆盖率.
科学领域:
- 医学物理 医学物理
- 辐射疗法 辐射疗法
- 人工智能的人工智能
背景情况:
- 深度学习 (DL) 模型模拟voxel剂量,用于自动化放射治疗计划.
- 使用voxel剂量功能的计划优化需要进一步调查.
研究的目的:
- 评估直接优化策略使用有限元素 (FE) 遵循DL剂量预测强度调节放射治疗 (IMRT) 规划.
主要方法:
- 一个双UNet DL模型预测了220名宫癌患者的剂量分配.
- 风险器官 (OAR) 和身体区域内的有限元素 (FE) 用于定义优化目标.
- 一个两步优化过程限制了OAR和身体避开区域,与直接DL预测进行比较.
主要成果:
- 基于FE的优化显著降低了OAR (膀,直肠,小肠,股骨头) 的平均剂量,同时确保PTV的均性和一致性.
- 针对FE优化的计划 (方法1) 与关键OAR的直接DL预测计划 (方法2) 相比,产生了较低的平均剂量.
结论:
- 基于有限元素的直接优化有效降低了OAR剂量,并在DL剂量预测后确保了足够的PTV覆盖.
- 这种自动化方法提供了快速,无需手动调整的计划优化,特别有利于低剂量地区.
