临床实施基于深度学习的自动化左乳同时集成增强放射治疗治疗计划
Michele Zeverino1, Consiglia Piccolo1, Diana Wuethrich1
1Institute of Radiation Physics, Lausanne University Hospital and Lausanne University, Lausanne, Switzerland.
Physics and imaging in radiation oncology
|October 2, 2023
概括
这项研究在左侧乳腺癌放射治疗中实施了深度学习 (DL) 自动规划模型,证明了其在临床实践中的稳定性和效率. DL模型实现了高质量的计划,提高了处理效率.
科学领域:
- 辐射瘤学 辐射瘤学
- 医学物理 医学物理
- 医疗保健中的人工智能
背景情况:
- 放射治疗治疗计划旨在提高质量和效率.
- 通过深度学习 (DL) 实现自动化是开发的一个关键领域.
- 这项研究的重点是对左侧乳腺癌的DL自动规划模型的临床实施.
研究的目的:
- 报告深度学习 (DL) 自动规划模型的临床实施情况.
- 评估DL模型在生成左侧乳腺癌放射治疗计划中的性能.
- 与手动计划相比,评估DL生成的自动计划的质量和效率.
主要方法:
- 开发了一种DL模型,用于同时进行深呼吸和呼吸暂停的综合增强治疗.
- 80个手动剂量分配用于培训,10名患者用于验证.
- 创建了17个临床自动计划,并与使用临床目标的手动计划进行了比较.
主要成果:
- DL自动计划符合评估标准,预测和模仿的剂量百分比误差在目标下低于1%.
- 与手动计划相比,DL模型显示左肺平均剂量显著减少.
- 虽然左前下降动脉剂量在某些验证情况下超过了要求,但在临床自动计划中减少了.
结论:
- 在验证期间,风险器官的小差异在临床上没有显著意义.
- 临床实施证实了DL自动规划模型的稳定性和有效性.
- 对于左侧乳腺癌,DL自动规划有望提高放射治疗治疗规划效率和质量.
