基于长期短期记忆网络的运动预测的应用,用于实时瘤追踪放射治疗中的成像剂量降低

科学领域:

• 医学物理 医学物理
• 辐射瘤学 辐射瘤学
• 人工智能在医学中的应用

背景情况:

• 实时图像引导辐射疗法 (IGRT) 对于精确瘤向至关重要.
• 在IGRT中高成像率有助于患者的累积辐射剂量.
• 在不影响准确性的情况下,尽量减少成像剂量是IGRT的一个关键挑战.

研究的目的:

• 通过使用运动预测,研究实时IGRT中降低成像速率的可行性.
• 评估运动预测对成像剂量和治疗准确性的影响.
• 通过优化成像频率来证明剂量降低的潜力.

主要方法:

• 一个长期短期记忆 (LSTM) 网络使用98名肝脏立体体辐射治疗患者的3D内部标记物位置数据进行训练.
• 用LSTM网络预测实时成像场景中的标记物位置.
• 评估的指标包括预测根平均平方误差 (RMSE),残余目标运动和辐射效率.

主要成果:

• 在较低的成像速率 (7.5,5.0,2.5 fps) 和运动预测下,几何精度与没有预测的15.0 fps相当或高于.
• 在测试的较低率中,RMSE的中位数从0.8到1.2毫米不等.
• 与标准 15.0 fps 设置相比,在较低的率下预测SI 方向的剩余运动减少了.

结论:

• 运动预测是降低实时IGRT成像速率的有效策略.
• 这种方法可以显著降低成像剂量.
• 这项研究表明,在临床IGRT环境中,有可能将成像剂量减半或更多.