实现高效适应性辐射疗法的技术:前列腺和相邻器官的自动轮
Daniel E Hyer1, Joseph Caster1, Blake Smith1
1Department of Radiation Oncology, University of Iowa Hospitals and Clinics, Iowa City, Iowa.
Advances in radiation oncology
|January 23, 2024
概括
这项研究介绍了Deep LOGISMOS + JEI,这是一种人工智能细分工具,可以显著加快和提高放射治疗轮的准确性. 新方法提供了临床上可接受的结果,减少了瘤学家手动轮时间.
科学领域:
- 医学物理 医学物理
- 放射治疗技术 放射治疗技术
- 人工智能在医学中的应用
背景情况:
- 精确的器官轮是有效的辐射治疗计划的关键.
- 手动轮是耗时的,容易引起观察者之间的变化.
- 改善轮速度和可重现性对于适应性放射治疗至关重要.
研究的目的:
- 研究一种新的细分方法,以提高MRI引导的适应性辐射疗法的轮速度和可重现性.
- 评估Deep LOGISMOS + JEI算法的性能,以对比专家细分和观察者之间的变化.
主要方法:
- 开发了一种混合深度神经网络和图形优化方法 (Deep LOGISMOS + JEI),用于自动化细分.
- 115个MRI数据集被用于培训和验证,专家细分作为地面真相.
- 三位放射瘤学家评估了观察者间的变异性,并生成了共识轮.
主要成果:
- 深度LOGISMOS + JEI实现了高精度,表面与表面的中间距离从0.20毫米 (膀) 到0.93毫米 (前列腺).
- 该算法证明了最小的系统性低或过分分割 (中位相对距离<0.17毫米).
- 轮时间平均为每名患者不到26秒,比手动方法快得多.
结论:
- 深度LOGISMOS + JEI为辐射治疗中风险器官和目标提供了临床上可接受的轮.
- 这种人工智能驱动的方法有可能减少适应性放射治疗中手动轮所需的时间和精力.
- 这种细分方法的提高速度和可重复性可以提高自适应性放射治疗工作流程的效率.
