使用通用增材神经网络对Gafchromic EBT3膜进行自适应校准

科学领域:

• 医学物理 医学物理
• 放射治疗剂量计 放射治疗剂量计
• 机器学习应用 机器学习应用

背景情况:

• 精确的剂量分配在放射治疗中至关重要,以保护健康的组织.
• 色EBT3薄膜是2D剂量测量质量保证的常见工具.
• 随着时间的推移,薄膜灵敏度的变化需要经常重新校准,从而影响效率.

研究的目的:

• 为Gafchromic EBT3膜开发和评估一种新的校准方法.
• 为了应对薄膜老化和灵敏度偏移的挑战.
• 提高薄膜剂量计的长期稳定性和准确性.

主要方法:

• 使用基于Keras的通用增材神经网络 (GANN) 进行电影校准.
• 使用6MV光子束从多个批次中校准EBT3片.
• 使用爱普森扫描仪扫描电影以获取数据.

主要成果:

• 该GANN方法实现剂量准确度在5%的递送剂量.
• 结果与传统的重新校准方法可比.
• 显示总体不确定性约为2%.

结论:

• 在EBT3膜剂量测量中,GANN方法提供了更好的稳定性和准确性.
• 显著减少了对频繁重新校准的要求.
• 为放射治疗中可靠的长期薄膜剂量测量提供了强大的解决方案.