基于部分CBCT图像的适应性评估,用于宫癌
Yankui Chang1, Yongguang Liang2, Haotian Wu3
1School of Nuclear Science and Technology, University of Science and Technology of China, Hefei, China.
Journal of applied clinical medical physics
|July 29, 2024
概括
这项研究开发了一种高效的自适应性评估工作流程,使用基于AI和GPU的蒙特卡洛方法进行在线自适应性辐射疗法 (ART). 该工作流程在不到3分钟的时间内准确评估形光束CT图像的剂量分布.
科学领域:
- 医学物理 医学物理
- 辐射疗法 辐射疗法
- 人工智能的人工智能
背景情况:
- 放射治疗期间的解剖学变化需要适应性策略来保持剂量准确性.
- 在线适应性辐射疗法 (ART) 旨在减少不确定性,但耗时.
- 这项研究探讨了一种高效的自适应性评估工作流程,使用部分圆束CT (CBCT) 图像.
研究的目的:
- 为了研究在线ART的适应性评估工作流程,使用分数CBCT图像.
- 评估基于人工智能的技术的效率和精度,与基于GPU的蒙特卡洛剂量计算相结合.
- 通过减少不确定性来支持未来ART过程的实施.
主要方法:
- 集成图像注册,合成CT (sCT) 生成 (CycleGAN),自动细分 (DeepViewer) 和基于GPU的蒙特卡罗 (MC) 剂量计算 (ArcherQA).
- 使用了刚性和可变形图像记录 (DIR) 技术.
- 使用结构导向注册用于目标轮和DeepViewer用于在sCT图像上进行OAR自动分割.
主要成果:
- 实现的子相似系数 (DSCs) 目标>0.86,OAR>0.79.
- 在将ArcherQA与Eclipse治疗计划系统进行比较时,证明了高于99% (2%/2毫米) 的马通道率.
- 在不到3分钟的时间内完成了整个适应性评估过程,剂量测量结果与Ethos适应性计划一致.
结论:
- 集成的AI和基于GPU的MC技术,用于高效和精确的剂量分配评估,使用分数CBCT图像.
- 开发的工作流有效地识别了需要适应性规划的部分.
- 这种方法显示出显著的潜力,以提高未来ART程序的效率和精度.
