乳腺辐射疗法流感绘画与多剂深度强化学习学习
Yang Dongrong1, Li Xinyi1, Yoo Sua1
1Department of Radiation Oncology, Duke University, North Carolina, USA.
Medical physics
|January 24, 2025
概括
强化学习 (RL) 使用电子补偿 (ECOMP) 技术自动化乳房放射治疗计划. 这种人工智能工具可以有效地生成临床上可接受的治疗计划,与手工方法相比.
科学领域:
- 医学物理 医学物理
- 辐射瘤学 辐射瘤学
- 人工智能的人工智能
背景情况:
- 电子补偿 (ECOMP) 在乳腺放射治疗中提供了极好的剂量一致性.
- 对于ECOMP的手动流感绘画是耗时的,并且对临床工作流程来说效率低下.
研究的目的:
- 开发一种自动化治疗计划工具,用于使用强化学习 (RL) 进行乳房放射治疗.
- 以临床目标为指导的流动性图进行代编辑,以实现高效的规划.
主要方法:
- 一项对70名使用ECOMP治疗的患者进行的回顾性研究,使用6MV的接触光子束.
- 每个流动地图像素都充当RL代理,使用光束眼视图剂量配置文件作为输入.
- RL药物修改了流动性图,以优化目标覆盖率和剂量均性,与临床标准相比计划.
主要成果:
- 该RL工具在约90秒内生成ECOMP计划.
- RL生成的计划显示了与手工创建的临床计划相比较的异位剂分布和剂量测量终点.
- 乳腺PTV V95%和V105%等关键剂量参数在RL和临床计划之间是相似的.
结论:
- 开发的RL框架成功地自动生成乳腺ECOMP计划.
- 由人工智能驱动的方法可以有效地产生临床上可接受的计划质量.
- 这项技术有可能简化放射治疗规划流程.
更多相关视频
06:29Modeling Breast Cancer via an Intraductal Injection of Cre-expressing Adenovirus into the Mouse Mammary Gland
Published on: June 7, 2019
12.7K
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
