人工智能的准确性在部线上基于圆束的自适应性放射治疗中变形了节点结构

科学领域:

• 辐射瘤学 辐射瘤学
• 医疗成像医学成像
• 人工智能在医学中的应用

背景情况:

• 在线基于形光束的适应性放射治疗 (ART) 对于调整外部光束放射治疗以适应解剖变化至关重要.
• 有限的圆光束图像质量给ART中准确的节点轮带来了挑战.
• 人工智能引导变形 (AID) 通过自动生成节点轮提供了一个解决方案.

研究的目的:

• 为了研究AI生成的节点轮在宫线上基于圆束的ART的最佳利用.
• 评估AID生成的轮在宫癌患者的节点增强体积的性能.

主要方法:

• 从21名宫癌患者的136个适应分数中提取了649个临床交付和AID临床目标体积 (CTV) 淋巴结增强结构.
• 使用子相似系数和95%的豪斯多夫距离评估了AID和临床CTV之间的几何对齐.
• 通过使用虚假阳性Dice,D100,D95,V100%,V95%等指标,评估了AID规划目标体积和AID基于轮的计划对临床CTV的覆盖范围.

主要成果:

• AID和临床CTV之间的中位数子相似系数为0.66;中位数95%的豪斯多夫距离为4.0毫米.
• 临床CTV覆盖率的AID规划目标量中位数为0,表明覆盖率充足.
• 平均剂量覆盖度指标 (D100,D95,V100%,V95%) 都为1.00或1.01,这意味着目标覆盖率很好.

结论:

• 人工智能引导变形 (AI-guided deformation,简称AID) 可以产生足够覆盖盆腔节点适应性放射治疗 (ART) 中节点目标的轮.
• 由于观察到的性能变化,医生需要对AID产生的轮进行审查.
• 增加的节点体积,分数和日常适应需要更多的注意力,以确保在后期治疗阶段的持续覆盖.