通过流动性预测和对鼻癌的计划微调进行自动IMRT治疗规划
Wenwen Cai1, Shouliang Ding2, Huali Li1
1School of Biomedical Engineering, Southern Medical University, Guangzhou, 510515, China.
Radiation oncology (London, England)
|March 21, 2024
概括
本研究引入了使用深度学习对鼻癌 (NPC) 进行自动强度调节放射治疗 (IMRT) 规划方法. 这种方法显著提高了规划效率,并为手工方法提供了可比或优越的计划质量.
科学领域:
- 辐射瘤学 辐射瘤学
- 医学物理 医学物理
- 人工智能在医学中的应用
背景情况:
- 对鼻癌 (NPC) 的手动强度调节辐射疗法 (IMRT) 计划是耗时的,缺乏一致性.
- 在几何上复杂的NPC案例对手动治疗规划构成重大挑战.
研究的目的:
- 开发和评估NPC的自动化IMRT计划生成方法,使用流动性预测和计划微调.
- 与传统的手动规划相比,评估自动化方法的效率和计划质量.
主要方法:
- 一个深度学习模型使用3DCT图像和结构轮预测了38名NPC患者的静态场流动图.
- 通过微调预测剂量分布,实现了自动化IMRT规划.
- 通过将自动化计划与临床衍生计划进行比较来评估计划质量.
主要成果:
- 自动化计划生成平均不到4分钟,大大提高了效率.
- 与临床计划相比,自动化计划在规划目标量 (PTV) 方面表现出更高的一致性和同质性.
- 在风险器官 (OAR) 的剂量指标中观察到显著的改善,包括降低大脑干和脊髓的最大剂量,以及腺的平均剂量 (P < 0.05).
结论:
- 成功实施了NPC的自动化IMRT计划生成方法,证明了高效率.
- 自动化方法实现了与手工临床计划相美或更高的计划质量.
- 精细调整使用从预测流动性地图中得出的剂量目标对于高质量的自动化计划至关重要.
