深度学习辅助针头重建在前列腺超声波支臂治疗中的临床应用

科学领域:

• 医学物理 医学物理
• 在瘤学瘤学.
• 放射治疗技术 放射治疗技术

背景情况:

• 高剂量率 (HDR) 前列腺支臂治疗 (BT) 需要精确的图像引导针插入.
• 尽量减少规划时间至关重要,特别是在使用全身麻醉时.
• 目前用于针头重建的方法可能耗时.

研究的目的:

• 评估人工智能 (AI) 驱动的跨上针的自重建工具的临床可行性.
• 评估AI在超声波 (美国) 引导前列腺BT规划中的节省时间潜力.
• 为了确定人工智能重建针的准确性,与手工重建相比.

主要方法:

• 总共使用了102张美国计划的BT图像,分为培训/验证 (50),测试 (11) 和临床 (41) 套.
• 重建的准确性通过比较人工智能衍生和人工重建的针,由5名医学物理学家评估.
• 在临床组中测量了从扫描获取到剂量计算开始的针头重建时间.

主要成果:

• 与人类共识相比,人工智能重建的针的平均误差为0.44 ± 0.32毫米.
• 95.0%的人工智能针头点在人造对应物1毫米以内.
• 人工智能辅助重建平均减少了15.2分钟的计划时间 (P < .01),真实阳性率为93.4%,手动校正最小.

结论:

• 一个人工智能辅助的针头重建工具是可行的3D-US-based HDR前列腺BT.
• 这种人工智能工具代表了自动化治疗计划的重要一步.
• 人工智能工具提高了HDR前列腺支臂治疗程序的效率.