基于深度学习的肺剂量预测使用胸部X射线图像在非小细胞肺癌放射治疗中
Takahiro Aoyama1, Hidetoshi Shimizu1, Yutaro Koide1
1Department of Radiation Oncology, Aichi Cancer Center, Nagoya, Japan.
Journal of medical physics
|June 3, 2024
概括
这项研究开发了一个深度学习模型,使用胸部X射线来预测放射治疗中的肺V20 (接收量≥20 Gy). 该模型有助于为肺癌患者做出早期治疗策略决定.
科学领域:
- 医疗成像医学成像
- 辐射瘤学 辐射瘤学
- 人工智能的人工智能
背景情况:
- 强度调节辐射疗法 (IMRT) 需要对肺癌患者提供精确的剂量.
- 预测接受≥20 Gy (V20) 的肺膜体体积对于最大限度地减少辐射诱导的肺毒性至关重要.
- 目前用于V20估计的方法可能耗时,并且在初始治疗规划期间可能无法立即获得.
研究的目的:
- 开发和评估一个深度学习模型,用常规的胸部X射线图像来预测V20.
- 评估模型对接受IMRT的肺癌患者估计V20的性能.
- 探索人工智能的潜力,以促进早期治疗策略的确定.
主要方法:
- 开发了一个基于卷积神经网络 (CNN) 的回归模型.
- 该模型利用了肺癌患者的91张胸部X射线图像.
- 模型性能通过四倍交叉验证使用R2,RMSE,MAE和Pearson相关性进行评估.
主要成果:
- 开发的深度学习模型实现了V20预测的R2为0.16,RMSE为5.4%,MAE为4.5%.
- 预测误差的中位数为-1.8% (范围:13.0%至9.2%).
- 作为V20<20%的二进制分类器,该模型显示了75.0%的灵敏度,82.6%的特异性,80.6%的准确性和0.79.7%的AUC.
结论:
- 应用到胸部X射线的深度学习模型可以有效地预测肺癌患者的V20.
- 这种人工智能驱动的方法可以帮助早期评估V20,指导治疗计划.
- 该模型对提高辐射治疗规划的效率和准确性充满希望.
