一个人工智能剂量影响矩阵引擎,用于强大的笔束扫描质子疗法
Yaoying Liu1,2, Xuying Shang1,2, Nan Li3
1School of Physics, Beihang University, Beijing, People's Republic of China.
Medical physics
|December 23, 2024
概括
快速质子笔束扫描 (PBS) 疗法需要更快的剂量计算. 一个AI-Dij引擎显著加快了这个过程,保持高规划质量,以实现强大的PBS优化.
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:
- 质子笔束扫描 (PBS) 疗法需要快速规划,以解决范围的不确定性.
- 计算剂量影响矩阵 (Dij) 进行强大的PBS计划优化是计算密集且缓慢的.
研究的目的:
- 开发并将AI-Dij引擎集成到治疗计划系统 (TPS) 中,以加快PBS治疗中的Dij计算.
主要方法:
- 开发了一个AI-Dij引擎,使用基于变压器的点位剂量计算模型 (SDM).
- SDM处理CT体积和能量水平以输出随机剂量分布,以广泛的数据进行训练.
- 使用AI-Dij引擎重新规划临床计划,并与现有的TPS进行比较,并通过蒙特卡洛 (MC) 方法对剂量进行评估.
主要成果:
- 与Raystation.ij相比,AI-Dij引擎优化显示了临床目标体积 (CTV) 和风险器官 (OAR) 的DVH指标的最小差异.
- 在MC剂量评估中,AI-Dij引擎和Raystation计划之间的结果也相似.
- 在RTX3090 GPU上,在不到2秒的时间内实现了强大的AI-D计算.
结论:
- AI-Dij引擎为强大的PBS计划优化提供了一个可行的解决方案.
- 该引擎在规划速度方面取得了显著的改进,而不会影响计划质量.
更多相关视频
08:34Proton Therapy Delivery and Its Clinical Application in Select Solid Tumor Malignancies
Published on: February 6, 2019
20.3K
07:57Positron Emission Tomography-based Dose Painting Radiation Therapy in a Glioblastoma Rat Model using the Small Animal Radiation Research Platform
Published on: March 24, 2022
2.7K
