使用闪光剂量测量和深度学习来确定CyberKnife的输出因子
Jeremy Ocampo1, Geoff Heyes2, Hamid Dehghani3
1UCL Physics and Astronomy, London, WC1E 6BT, United Kingdom.
Physics in medicine and biology
|January 5, 2024
概括
这项研究引入了一种新的塑料闪器和摄像系统,用于放射治疗中精确的小场剂量测量. 卷积神经网络显著提高了准确性,为CyberKnife质量保证提供了更快的方法.
科学领域:
- 医学物理 医学物理
- 辐射疗法质量保证 辐射疗法质量保证
- 剂量测量方法 剂量测量方法
背景情况:
- 小场剂量测量在放射治疗质量保证 (QA) 中是一个持续的挑战,特别是在像CyberKnife这样的放射外科系统中.
- 准确的输出因子测量对于CyberKnife质量保证和治疗计划系统数据至关重要.
研究的目的:
- 为了证明塑料闪光灯和商业摄像系统用于测量CyberKnife系统输出因子的有效性.
- 为了比较图像分析技术,包括经典方法和卷积神经网络 (CNN),用于剂量测量.
主要方法:
- 一个便携式设备集成一个塑料闪光灯和一个相机被建造.
- 用经典的图像处理分析照片,并在模拟数据上训练CNN.
- 结果与微钻探器的测量结果进行了比较.
主要成果:
- 经典的图像处理无法满足34%的百分比深度剂量 (PDD) 测量点的玛标准.
- 基于CNN的图像分析与PDD曲线的微钻探器测量 (2 mm/2%) 达到了92%的一致性.
- 与微钻探测器相比,闪器系统的平均输出因子差异为1.1%,在预测聚合器尺寸 (<1毫米) 中具有很高的准确性.
结论:
- 基于CNN的塑料闪光灯图像分析为小场剂量测量提供了一个有希望的,准确的方法.
- 这种方法有可能显著减少输出因子测量所需的时间,提高放射治疗QA的方便性和速度.
