相关实验视频
Updated: May 9, 2026
10:00
Gradient Echo Quantum Memory in Warm Atomic Vapor
Published on: November 11, 2013
12.8K
使用长期短期内存网络进行快速马辐射预测
Fan Xiao1, Domagoj Radonic1,2, Michael Kriechbaum2
1Department of Radiation Oncology, LMU University Hospital, LMU Munich, Munich, Germany.
Physics in medicine and biology
|November 2, 2024
概括
我们开发了一种快速,准确的长期短期记忆 (LSTM) 方法,用于预测质子疗法中的快速马 (PG) 排放. 这种人工智能模型准确地预测了前列腺癌治疗的PG范围转移和通过率.
科学领域:
- 医学物理 医学物理
- 计算物理 计算物理
- 放射治疗 物理 物理
背景情况:
- 质子疗法提供精确的剂量输送,但需要精确的监测.
- 快速马 (PG) 辐射成像是一种有前途的实时方法,用于验证质子范围.
- 预测PG排放对于提高质子疗法的准确性和安全性至关重要.
研究的目的:
- 开发和验证基于长短期记忆 (LSTM) 的方法,用于预测质子疗法中的快速马 (PG) 辐射.
- 用前列腺癌患者的计算机断层扫描 (CT) 数据评估不同LSTM模型配置的性能.
- 在广的质子能量范围内,以玛传递率和范围转移来评估预测准确度.
主要方法:
- 利用33名前列腺癌患者的CT扫描生成10^7个质子笔束 (PB) 历史记录,用于蒙特卡洛 (MC) 模拟.
- 使用LSTM网络提取3D相对制动功率 (RSP),PG和剂量数据用于训练和验证.
- 训练并测试了三个LSTM模型:RSP输入/PG输出,RSP/剂量输入/PG输出 (单能),以及RSP/剂量输入/PG输出 (多能).
主要成果:
- 多能量LSTM模型 (输入RSP/剂量,输出PG) 显示出卓越的性能.
- 在125-210 MeV之间的PB中,获得了98.5% (92.8%最坏情况下) 的平均马通过率.
- 平均绝对PG范围转移为0.15毫米 (最大1.1毫米),预测时间低于130毫秒/PB.
结论:
- 为前列腺癌患者开发了一种基于LSTM的PG排放预测方法,具有高准确性.
- 多能模型有效地预测了PG排放在广的质子能量的频谱.
- 这种方法在临床质子疗法中具有实时质量保证和范围验证的巨大潜力.
