使用高斯混合模型对乳腺癌图像引导放射治疗中的设置错误进行建模和预测
Fangfen Dong1,2, Jing Chen1,2, Feiyu Liu3
1Department of Radiation Oncology, Fujian Medical University Union Hospital/Fujian Key Laboratory of Intelligent Imaging and Precision Radiotherapy for Tumors/Clinical Research Center for Radiology and Radiotherapy of Fujian Province (Digestive, Hematological and Breast Malignancies), Fuzhou, Fujian 350001, P.R. China.
这项研究开发了一种高斯混合模型 (GMM),用于预测乳腺癌图像引导放射治疗 (IGRT) 的设置错误. 该GMM准确地描述了错误分布,有助于放射治疗规划和瘤边缘调整.
科学领域:
- 医学物理 医学物理
- 辐射疗法 辐射疗法
- 在瘤学瘤学.
背景情况:
- 图像指导放射治疗 (IGRT) 对于精确的乳腺癌治疗至关重要.
- 准确的设置错误预测对于优化规划目标量 (PTV) 利至关重要.
- 当前的方法可能无法完全捕捉到设置错误的复杂分布.
研究的目的:
- 开发一个预测模型来设置乳腺癌IGRT中的错误分布.
- 使用高斯混合模型 (GMM) 来对设置错误进行定量分析.
- 为了将GMM预测与潜在临床应用的PTV边际公式进行比较.
主要方法:
- 从接受IGRT的80名乳腺癌患者收集了设置错误数据.
- 应用了高斯混合模型 (GMM) 来分析1200组错误数据.
- 使用GMM计算预测的错误中心点,共变率和概率.
主要成果:
- 该GMM确定了设置错误分布的关键方向 (μ1-μ4).
- 最大设置误差在 -6.30 到 4.60 毫米 (横向), -5.40 到 1.47 毫米 (纵向) 和 -2.70 到 1.70 毫米 (垂直) 之间.
- 该GMM表示误差偏移在μ1方向 (0.53) 的概率最高,最大标准偏差为29.06mm.
结论:
- 该GMM有效量化和预测乳腺癌IGRT中的设置错误分布.
- 调查结果为改善设置错误控制和PTV保证金计算提供了参考.
- 该模型可以支持放射治疗决策,特别是在没有每日IGRT验证的场景中.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
08:32Using Computer-based Image Analysis to Improve Quantification of Lung Metastasis in the 4T1 Breast Cancer Model
Published on: October 2, 2020