商业门户端剂量图像预测算法的优化,用于使用未平面化的光子束进行计划的预处理验证

科学领域:

• 医学物理 医学物理
• 辐射瘤学 辐射瘤学
• 辐射疗法质量保证 辐射疗法质量保证

背景情况:

• 基于门户剂量测量的质量保证 (QA) 对于精确的放射治疗至关重要.
• 传统的治疗计划需要精确的门户剂量图像预测 (PDIP) 进行验证.
• 异构分析算法 (AAA) 常用于PDIP.

研究的目的:

• 为了提高传统治疗计划的基于门口剂量计的质量保证结果.
• 通过在AAA中调整多叶聚合器 (MLC) 剂量计叶间隙 (DLG) 和传输 (T) 值来提高PDIP的准确性.
• 为了比较基于AAA的PDIP和标准的PDIP算法的性能.

主要方法:

• 基于AAA的PDIP (PDIP-AAA) 配置为6 MV的FFF能源.
• 通过比较预测和测量的门户图像来确定最佳的DLG和T值.
• 使用优化PDIP-AAA和标准PDIP (PDIP-vE) 算法验证了20个临床计划.
• 计算和统计分析了马通过率 (GPRs) 和马指数 (AGIs).

主要成果:

• 确定了PDIP-AAA的最佳DLG (0.1毫米) 和T (0.01) 值.
• 与PDIP-vE相比,优化的PDIP-AAA产生了明显更好的GPR平均值和AGI平均值 (p < 0.001).
• 所有使用PDIP-AAA验证的计划都实现了GPR平均值≥95%,而使用PDIP-vE只有45%达到这一门.

结论:

• 在PDIP-AAA模型中调整MLC参数对于准确预测剂量图像至关重要.
• 这种优化在标准PDIP算法中是不可行的.
• 调整后的PDIP-AAA显示在 QA. portal剂量测量方面,其性能优于PDIP-vE.