从胸部CT检查中预测患者特定器官剂量,使用支持向量回归算法

科学领域:

• 医学物理 医学物理
• 放射学 放射学是一门学科.
• 计算成像技术的成像

背景情况:

• 在CT检查中,准确的患者特定器官剂量估计对于辐射保护至关重要.
• 像蒙特卡洛模拟这样的传统方法是计算密集且耗时的.

研究的目的:

• 开发一种快速,准确和强大的预测方法,用于从CT检查中预测患者特定器官剂量.
• 尽量减少剂量预测所需的计算资源.

主要方法:

• 从CT图像中对胸部器官进行自动细分,以确定感兴趣的区域 (ROI).
• 使用Pyradiomics包从ROI中提取放射学特征.
• 训练一个支持向量回归 (SVR) 模型与放射学特征和蒙特卡洛模拟器官剂量.

主要成果:

• 在SVR模型的测试中,SVR模型在测试套件上实现了高精度,R平方值从0.75到0.89.
• 低根平均平方误差 (RMSE) 在 2-2.8 mGy (测试集) 之间,平均绝对百分比误差 (MAPE) 在 0.1-0.18 (测试集).
• 该方法通过交叉验证证明了稳定性,并在每名患者不到一秒的时间内实现了预测.

结论:

• 结合SVR和胸部放射学特征,可准确,快速和可靠地预测患者特定器官剂量.
• 开发的方法显著降低了计算需求,使其成为临床使用的实用方法.
• 这种方法为优化CT成像中的辐射安全提供了一个有前途的工具.