深度神经网络方法用于预测大脑瘤强度调节放射治疗中的3D剂量分布
Maziar Irannejad1, Iraj Abedi2, Vida Darbaghi Lonbani3
1Department of Electrical Engineering, Najafabad Branch, Islamic Azad University, Najafabad, Iran.
Journal of applied clinical medical physics
|November 7, 2023
概括
深度学习准确地预测大脑癌症患者的强度调节放射治疗剂量分布. "只有PTV"的方法,只关注规划目标量,是足够的和更快,减少整体处理设计时间.
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:
- 强度调节放射治疗 (IMRT) 是一种复杂的癌症治疗方法.
- 准确的3D剂量分布预测对于有效的IMRT至关重要.
- 减少治疗规划时间是一个重要的临床目标.
研究的目的:
- 用深度学习来预测脑癌患者IMRT的3D剂量分布.
- 为了比较两个深度学习方法:仅PTV和带有风险器官 (OARs) 的PTV.
- 评估OAR对剂量预测准确性和规划时间的影响.
主要方法:
- 用U-net深度学习模型进行剂量预测.
- 测试了两个输入策略:仅规划目标量 (PTV),以及带有OAR的PTV.
- 该模型经过训练,并对99名用IMRT治疗的质瘤患者的数据进行了测试.
主要成果:
- 这两种方法在剂量预测方面都取得了可比的准确性 (MSE,Dice,SSIM).
- 只有PTV的方法显示了与PTV-OARs方法类似的预测性能.
- 剂量预测在显著缩短的时间框架内实现.
结论:
- 将OAR纳入深度学习模型并不能提高IMRT的剂量预测准确性.
- 仅使用PTV的方法就足以实现可预测的剂量分配.
- 只有PTV的方法简化了治疗计划,减少了质瘤患者的设计时间.
