预测单个异中心体积调节弧线疗法治疗计划对多重脑转移的voxel级剂量分布
Peng Huang1, Jiawen Shang1, Zhihui Hu1
1Department of Radiation Oncology, National Cancer Center/National Clinical Research Center for Cancer/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing, China.
Frontiers in oncology
|February 29, 2024
概括
一个深度学习模型准确地预测了大脑转移放射治疗的辐射剂量分布. 这种人工智能方法提高了癌症患者的治疗计划和效率.
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:
- 大脑转移是癌症患者死亡的重要原因.
- 单同中心体积调节弧线疗法 (VMAT) 为多个大脑转移提供精确的辐射输送.
- 准确的剂量预测对于评估和优化VMAT治疗计划至关重要.
研究的目的:
- 应用一个深度学习模型来预测单个异中心VMAT中大脑转移的剂量分布.
- 建立一个评估放射治疗治疗计划质量的标准.
主要方法:
- 使用了带有残余网络的U-net (U-ResNet) 深度学习模型.
- 该模型经过历史治疗计划的训练,并在150个单个隔离中心VMAT计划上进行了测试.
- 使用风险器官 (OAR) 的平均绝对误差 (MAE) 和剂量指数 (DIs) 以及计划目标体积 (PTV) 来评估性能.
主要成果:
- 在20名测试患者中,MAE的平均值为2.2%±0.7%.
- 对于PTVs (D98,D95,D50,D2) 和OARs (Dmax,Dmean) 的预测精度显示出高精度.
- 子相似系数 (DSC) 在0.86到1之间,表明与临床计划有很强的一致性.
结论:
- 在脑转移放射治疗中,U-ResNet模型对于准确的剂量预测是有效的.
- 预测的剂量分配与临床批准的计划相比较.
- 这种人工智能驱动的方法可以改善放射治疗的规划,质量和效率.
