适应性神经模糊推理系统指导目标函数参数优化,用于逆向治疗计划

科学领域:

• 医学物理 医学物理
• 人工智能在医学中的应用
• 辐射瘤学 辐射瘤学

背景情况:

• 强度调节辐射疗法 (IMRT) 需要通过试错来手动优化许多治疗计划参数 (TPP).
• 实现针对患者的剂量分配,以平衡目标覆盖率和处于危险的器官 (OAR) 节省,是复杂和耗时的.
• 对于具有不确定的权衡和患者变化的场景,需要自动化处方优化.

研究的目的:

• 开发和验证一个概念验证的人工智能 (AI) 系统,使用自适应神经模糊推理系统 (ANFIS) 来自动化IMRT处方优化.
• 引导IMRT规划以实现最佳的,与放射瘤学家目标一致的针对患者的处方.
• 通过模仿专家规划师的调整,提高IMRT规划的准确性和效率.

主要方法:

• 开发了一个内部ANFIS-AI系统,利用处方剂量 (PD) 约束来指导优化.
• 该系统调整了TPP,表示为剂量-体积约束,由一个模糊推理系统 (FIS) 提供信息,通过"如果-然后"规则结合专家知识.
• 为了提高准确性,ANFIS适应性微调了FIS组件 (会员功能,规则强度).

主要成果:

• ANFIS始终达到剂量测量目标,表现优于传统的FIS.
• 在C形幻体中,对规划目标体积 (PTV) 的平均剂量合规性有0.7%的改善.
• 在C形幻体中降低了28%的平均OAR剂量,在前列腺幻体中降低了17.4%和14.1%的平均直肠和膀剂量.

结论:

• 该ANFIS-AI系统显示了有效和准确的IMRT规划的巨大潜力.
• 安菲斯有效地优化了患者特定的处方,改善了目标剂量合规性和OAR节省.
• 这种人工智能方法为集成到临床IMRT工作流程提供了一个有希望的途径.