合成CT对仅用MR进行前列腺放射治疗的剂量衍生毒性预测指标的影响

科学领域:

• 医学物理 医学物理
• 辐射疗法 辐射疗法
• 医疗成像医学成像

背景情况:

• 磁共振 (MR) 影像为毒性驱动的适应性放射治疗 (RT) 提供了优越的软组织对比.
• 只有MR的RT路径需要合成计算机断层扫描 (sCT) 来准确计算剂量.
• 准确的直肠毒性预测对于指导RT策略至关重要.

研究的目的:

• 评估三种sCT方法 (散密度,组织分层,深度学习) 以预测前列腺RT的直肠毒性.
• 评估sCT方法在预测2级直肠出血风险方面的准确性.

主要方法:

• 三十六名前列腺RT患者接受了MR (T2加权,T1-Dixon) 和计划CT.
• 使用散密度,组织分层 (来自T1-Dixon) 和深度学习 (来自T2加权MR) 来生成多个sCT.
• 用直肠剂量-体积图 (DVH) 和剂量表面图 (DSM) 来评估2级直肠出血风险.

主要成果:

• 深度学习 (DL) sCT显示了基于DVH的G2直肠出血风险预测的最低最大绝对误差 (0.1%).
• 组织分层 (TS) sCT的误差为0.3%,而散装密度 (BD) sCT的误差为0.6%.
• DL sCT,利用T2加权MR的voxel密度,提高了DVH和DSM风险预测方法的准确性.

结论:

• 深度学习人工智能 (AI) 显著提高了仅在MR的RT中对sCT的剂量测量和预测风险计算的准确性.
• 组织分层和深度学习方法都在临床上适合在毒性导向RT中生成sCT.
• 通过消除对T1-Dixon MR序列的需求,DL提供了卓越的准确性和效率.