PRT-Net:用于剂量预测的渐进提炼变压器,以指导卵巢转移
Shunyao Luan1,2, Yi Ding2, Changchao Wei3
1The Institute of School of Integrated Circuits, Wuhan National Laboratory for Optoelectronics, Huazhong University of Science and Technology, Wuhan, China.
Frontiers in oncology
|June 17, 2024
概括
一个新的PRT-Net模型使用宫癌患者的手术前CT扫描预测卵巢辐射剂量. 这种人工智能工具有助于外科医生确定安全的卵巢移植位置,在放射治疗期间保持卵巢功能.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 接受盆腔放射治疗的宫癌患者通常需要卵巢移植以保持卵巢功能.
- 精确定位移植卵巢至关重要,以最大限度地减少辐射剂量,并防止超过限制.
- 在手术前确定安全的卵巢位置对于有效的生育保护至关重要.
研究的目的:
- 开发和验证一种新的AI模型,用于预测移植卵巢中的辐射剂量分布.
- 帮助外科医生在放射治疗前确定卵巢转移的最佳,低剂量区域.
- 在接受盆腔放射治疗的年轻宫癌患者中增强卵巢功能的维护.
主要方法:
- 提出了一种渐进的精细化变压器网络 (PRT-Net) 来从手术前CT扫描中进行多尺度剂量预测.
- 实施了深度监督策略,以改进剂量预测,从低分辨率到高分辨率.
- 利用多损失函数融合算法来优化不同损失维度的预测准确性.
- 使用实际病例验证了PRT-Net模型的临床可行性.
主要成果:
- PRT-Net成功地为移植卵巢生成了准确的辐射剂量预测.
- 该模型使外科医生能够快速识别低剂量区域,以安全地放置卵巢.
- 临床验证证实了PRT-Net方法在现实场景中的可行性和实用性.
结论:
- 在宫癌患者的卵巢移植手术前规划中,PRT-Net提供了一个有价值的工具.
- 由人工智能驱动的剂量预测有助于防止在放射治疗期间超过卵巢剂量限制.
- 这种方法支持改善卵巢功能保护和年轻癌症幸存者的生育结果.
