一种基于神经网络的方法,用于预测鼻癌强度调节放射治疗中风险器官的剂量

科学领域:

• 医学物理 医学物理
• 辐射瘤学 辐射瘤学
• 机器学习在医学中的应用

背景情况:

• 强度调节放射治疗 (IMRT) 是鼻癌 (NPC) 的标准治疗方法.
• 对有风险的器官 (OAR) 准确的剂量预测对于最小化NPC的IMRT中毒性至关重要.
• 传统的OAR剂量评估方法可能是复杂和耗时的.

研究的目的:

• 开发和评估一种基于神经网络的模型,用于预测NPC的IMRT期间OAR剂量.
• 评估子器官体积与OAR剂量之间的相关性.
• 在NPC治疗规划中建立一个简单可靠的OAR剂量预测方法.

主要方法:

• 使用MATLAB开发了一个神经网络模型来预测OAR剂量.
• 分析了接受IMRT的103名NPC患者.
• 根据距离目标的距离生成子器官,其体积与OAR剂量相关.

主要成果:

• 在子器官体积和OAR剂量之间发现了显著的相关性.
• 在并行和串行器官中实现了高R值 (0.880-0.927),用于剂量预测.
• 预测模型展示了低平均平方误差,表明高准确度.

结论:

• 开发的神经网络模型提供了一种简单可靠的方法,用于预测NPC IMRT中的OAR剂量.
• 这种方法对进一步的研究和在放射性瘤学中的临床应用具有前景.
• 该模型的准确性支持其改善治疗计划和减少副作用的潜力.