开发基于深度学习的前列腺尿道新型自分区,用于计划前列腺癌放射治疗的CT图像
Hisamichi Takagi1, Ken Takeda2,3, Noriyuki Kadoya3
1Course of Radiological Technology, Health Sciences, Tohoku University Graduate School of Medicine, 2-1, Seiryo-machi, Aoba-ku, Sendai, 980-8575, Japan. h.takagi@med.tohoku.ac.jp.
Radiological physics and technology
|August 14, 2024
概括
这项研究开发了一种深度学习方法,用于准确地定位前列腺尿道在接受前列腺癌外部束辐射治疗 (EBRT) 的患者中,从而提高治疗安全性.
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:
- 尿道毒性是前列腺癌放射治疗的重要并发症.
- 精确划分前列腺尿道对于剂量体积组图分析至关重要,但在CT成像中具有挑战性.
- 现有的方法是有限的,特别是在外部束辐射疗法 (EBRT) 中.
研究的目的:
- 开发和评估一种基于深度学习的方法,用于在接受EBRT的患者中精确定位前列腺尿道.
- 为了提高确定前列腺尿道的准确性和可行性,用于放射治疗规划.
主要方法:
- 利用了430名局部前列腺癌患者的轮数据.
- 采用了2D和3D U-Net深度学习细分模型.
- 使用计划CT图像与内置尿道导管用于尿道识别.
主要成果:
- 两种2D和3DU-Net模型都在前列腺尿道细分方面取得了高准确性.
- 平均中心线距离为2.07 ± 0.87毫米 (2D) 和2.05 ± 0.92毫米 (3D).
- 这些模型展示了高概括性能的潜力,随着病例数量的增加.
结论:
- 深度学习提供了一种可行且准确的方法来估计EBRT中的前列腺尿道位置.
- 这种方法可以通过改善放射治疗计划来帮助减少尿道毒性.
- 建议使用更大的数据集进行进一步验证,以确认概括能力.


