可逆和可变增强网络用于预治疗患者特定的质量保证剂量预测
Zhongsheng Zou1, Changfei Gong2, Lingpeng Zeng1
1Department of Electronic Information Engineering, Nanchang University, Nanchang, China.
Journal of imaging informatics in medicine
|February 12, 2024
概括
一个新的深度学习 (DL) 网络,IVPSQA,提高了放射治疗质量保证的效率. 这种人工智能工具准确地预测剂量分布,减少医学物理学家的工作量.
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:
- 治疗前患者特定质量保证 (prePSQA) 对于验证放射治疗的准确性至关重要.
- 目前的PSQA前测量方法耗时,增加了医学物理学家的工作量.
研究的目的:
- 开发一个新的深度学习 (DL) 网络,以提高prePSQA的准确性和效率.
- 引入用于PSQA前的可逆和可变增强网络 (IVPSQA).
主要方法:
- 开发了一个修改的可逆和可变增强网络 (IVPSQA).
- 在240例体积调节弧线疗法 (VMAT) 患者病例 (CT图像,计划剂量,测量剂量) 上进行了培训,并在60例体积调节弧线疗法 (VMAT) 患者病例上进行了测试.
- 利用亚当算法进行优化.
主要成果:
- IVPSQA准确地预测了头部和部,胸部和腹部癌症的3D prePSQA剂量分布.
- 在剂量差异图和水平配置文件中超越了基于U-Net的方法.
- 与地面真相达成高度一致 (SSIM,MSE,MAE).
结论:
- IVPSQA模型为预测3D prePSQA剂量分布提供了一个有希望的方法.
- 这种人工智能工具可以作为临床指导系统,大大减少了医学物理学家在PSQA前的测量工作.


