对接受IMRT的乳腺癌患者进行精确剂量预测:斯温-UMamba-Channel模型
Hui Xie1, Hua Zhang2, Zijie Chen3
1Faulty of Applied Sciences, Macao Polytechnic University, Macao 999078, PR China; Department of Radiation Oncology, Affiliated Hospital (Clinical College) of Xiangnan University, Chenzhou 423000, PR China.
概括
这项研究引入了一个深度学习模型,用于准确预测乳腺癌患者的放射治疗剂量. 新的Swin-UMamba-Channel模型提高了治疗规划的效率和准确性.
科学领域:
- 医学物理 医学物理
- 医疗保健中的人工智能
- 在瘤学瘤学.
背景情况:
- 放射治疗是癌症治疗的关键方法,需要精确的剂量分布图.
- 传统的剂量映射是耗时的,劳动密集的,主观的.
- 深度学习为准确和高效的剂量预测提供了解决方案.
研究的目的:
- 开发和评估用于放射治疗剂量分配的新型Swin-UMamba-Channel预测模型.
- 提高乳腺癌患者放射治疗规划的准确性和效率.
- 整合解剖学和射线角度信息,以提高预测.
主要方法:
- 提出了一种Swin-UMamba-Channel模型,用于在乳腺切除术后的左乳癌患者的剂量预测.
- 整合了解剖学和射线角度信息,以提高预测准确度.
- 利用生成器 (Swin-UMamba) 和分辨器的代训练来生成剂量图.
主要成果:
- 该模型准确地预测了乳腺癌患者 (0-50 Gy) 强度调节放射治疗 (IMRT) 的临床剂量.
- 在目标体积和器官的剂量变化最小的情况下,达到0.86的高平均子相似系数.
- 与相似网络相比,展示了卓越的性能,更少的参数,更低的计算复杂性和更短的处理时间.
结论:
- 斯温-乌曼巴-通道模型准确地预测了接受IMRT的左乳癌患者的临床剂量.
- 结果为计划优化和放射治疗质量控制提供了有价值的数据.
- 在放射治疗规划中为深度学习应用铺平了一条新道路.
