基于深度卷积神经网络剂量引擎的头部和部种子植入物支骨疗法的自动规划

科学领域:

• 医学物理 医学物理
• 辐射疗法 辐射疗法
• 人工智能在医学中的应用

背景情况:

• 种子植入器支臂疗法 (SIBT) 是头癌的关键治疗方法.
• 目前的SIBT规划面临着手动针道设置和不准确的剂量计算的挑战.

研究的目的:

• 为H&N SIBT开发一个精确的深卷积神经网络剂量引擎 (DCNN-DE).
• 创建一个自动化的SIBT规划方法,以提高效率和准确性.

主要方法:

• 开发了一个基于3D unet的DCNN-DE,结合了新的种子间影子图 (ISSM) 以准确预测剂量.
• 一个自动化规划策略生成了针路径,避免了关键结构,使用启发式方法进行了优化.
• 在DCNN-DE与蒙特卡洛模拟 (MCS) 进行了验证.

主要成果:

• DCNN-DE将CTV V100和D90的TG-43计算错误分别减少了93%和92%,达到接近MCS的准确性.
• 自动化规划在平均2.5分钟内产生了临床上可接受的计划.
• 生成计划中的剂量分配与手工创建的临床计划相似.

结论:

• 开发的DCNN-DE和自动化规划方法为H&N SIBT提供了高精度和效率.
• 这种方法显示出临床采用的巨大潜力,改善了SIBT治疗计划.
• 该方法提供了快速生成临床上可接受的SIBT计划,并提供精确的剂量评估.