在LDR前列腺支架疗法中,基于患者特定深度学习的剂量预测的aleatoric和epistemic不确定性提取
Francisco Berumen1,2, Samuel Ouellet1,2, Shirin Enger3,4
1Service de Physique Médicale et de Radioprotection, Centre Intégré de Cancérologie, CHU de Québec-Université Laval et Centre de recherche du CHU de Québec, Quebec, Quebec, Canada.
深度学习模型快速预测低剂量速率前列腺支架治疗的3D剂量量,为临床使用提供准确和稳定的剂量估计和不确定性分析.
科学领域:
- 医学物理 医学物理
- 放射治疗瘤学 放射治疗瘤学
- 人工智能在医学中的应用
背景情况:
- 深度学习 (DL) 显示出预测3D剂量体积在胸膜治疗中的前景.
- 临床支臂治疗中DL的可靠性和准确性需要进一步评估.
- 对于低剂量率 (LDR) 前列腺支架疗法,需要快速和不确定性意识的预测剂量算法.
研究的目的:
- 建立基于DL的快速预测剂量算法,用于LDR前列腺支架疗法.
- 评估这些DL模型的不确定性和稳定性.
- 将UNet和ResUNetTSE模型的性能与蒙特卡洛模拟进行比较.
主要方法:
- 收集了200名前列腺癌患者用-125来源治疗的数据.
- 使用TOPAS计算蒙特卡洛 (MC) 地面真相剂量量,同时考虑交叉效应.
- 使用患者几何和种子位置训练了两个3D卷积神经网络 (UNet,ResUNet TSE).
- 评估了DL模型的理论和认识不确定性.
主要成果:
- 与MC相比,ResUNet TSE实现了0.08%的平均前列腺D90差异.
- 超过93%的voxels显示ResUNet TSE的总剂量差异在±1%以内.
- 预测只需要4毫秒的3D剂量体积,证明了高速.
- 来自ResUNet TSE的不确定性地图反映了已知的物理,直肠D2cc显示了最大的不确定性 (0.0042).
结论:
- 拟议的DL模型可以快速预测LDR前列腺支架治疗中的剂量分布,考虑到患者解剖学和交叉衰减.
- 可解释不确定性分析确定了DL模型可能存在局限性的领域.
- 不确定性量化为评估临床支臂治疗中的剂量预测模型提供了一个强大的工具.
更多相关视频
08:34Proton Therapy Delivery and Its Clinical Application in Select Solid Tumor Malignancies
Published on: February 6, 2019
07:57Positron Emission Tomography-based Dose Painting Radiation Therapy in a Glioblastoma Rat Model using the Small Animal Radiation Research Platform
Published on: March 24, 2022
相关概念视频
Effect of Hepatic Disease on Pharmacokinetics: Pathophysiologic Assessment and Liver Function Test
Drug Dosing in Renal Diseases: Estimation of Glomerular Filtration Rate Based on Serum Creatinine Concentration
Drug Dosing in Renal Diseases: Dose Adjustments Based on Drug Clearance and Elimination Rate Constant
Pharmacokinetic–Pharmacodynamic Relationship: Problems
