深度学习在接受放射治疗的患者中进行设置错误的自动纠正中潜在的使用

科学领域:

• 医学物理 医学物理
• 放射治疗技术 放射治疗技术
• 人工智能在医学中的应用

背景情况:

• 现代放射治疗需要精确的患者定位验证.
• 目前的方法取决于熟练的放射治疗师和了解解剖学地标.
• 探索使用端口图像 (PFI) 和数字重建放射图 (DRR) 协助患者定位的人工智能至关重要.

研究的目的:

• 调查使用人工智能 (AI) 在放射治疗中辅助患者定位的可行性.
• 开发和评估一个神经网络,用于自动纠正错位端口图像 (PFI) 和数字重建放射图像 (DRR).

主要方法:

• 一项回顾性研究包括156名在2018-2023年期间接受治疗的大脑和气消化道恶性瘤的患者.
• 开发了一个神经网络来自动纠正错位的PFI和DRR.
• 使用平均绝对误差 (MAE),平均平方误差 (MSE) 和对30名放射治疗专业人员的调查来评估性能.

主要成果:

• 神经网络实现了低误差率:培训和验证集的MAE约为27.43和MSE约为0.55.
• 接受调查的医疗专业人员报告,人工智能纠正的平均准确度为10分之8的.
• 这项研究包括96名患有气消化道恶性瘤的患者和60名患有脑瘤的患者.

结论:

• 开发的神经网络是通过人工智能辅助的设置错误纠正来实现放射治疗服务的自动化的一步.
• 人工智能显示出在协助放射治疗师在治疗期间纠正患者定位方面的潜力.
• 需要进一步的研究来验证这种AI方法在临床实践中.