基于异位剂量限制的自动治疗规划策略,使用多重标准预测剂量评级
Zihan Sun1,2, Jiazhou Wang3,4,5, Weigang Hu3,4,5
1Department of Radiation Oncology, The First Affiliated Hospital, Zhejiang University School of Medicine, Hangzhou, China.
本研究引入了针对鼻癌 (NPC) 的自动化放射治疗计划方法,该方法优先考虑剂量下降. 通过DVH-IsoPlans方法,可显著缩短规划时间,同时确保满足临床要求.
科学领域:
- 辐射瘤学 辐射瘤学
- 医学物理 医学物理
- 医疗保健中的人工智能
背景情况:
- 基于知识的规划 (KBP) 能够预测用于治疗规划的3D光子剂量分布.
- 剂量下降度对于临床计划评估至关重要,但在剂量预测中经常被忽视.
- 引入了自动治疗规划的新方法,重点关注鼻癌 (NPC) 的剂量下降重建.
研究的目的:
- 建立一个创新的方法来自动生成治疗计划,使用深度学习预测剂量分布,重点是剂量下降.
- 提出和验证一个全面的多标准评级策略,用于评估剂量预测模型.
主要方法:
- 在120例鼻癌 (NPC) 病例中训练了三种深度学习模型 (U-Net,DoseNet,Transformer).
- 开发了一种多标准评级策略,整合了平均绝对误差,DVH分析和同剂量子相似系数,以选择最佳模型.
- 实施了两个自动规划方法:IsoPlans和DVH-IsoPlans,利用预测的剂量分布和异位剂量线来生成和优化轮.
主要成果:
- 多标准评级策略评估了U-Net,DoseNet和Transformer模型,分别得到0.85,0.84和0.82的分数.
- 最佳剂量预测模型达到2.71 Gy的最小平均绝对误差.
- 与IsoPlans (4次失败) 不同,DVH-IsoPlans成功地满足了所有20个测试病例的临床要求,与手动规划相比,平均优化时间减少了50.5%.
结论:
- 结合像素,临床和物理剂量落差评估的多标准评级策略有效地评价剂量预测模型.
- 基于预测剂量-异剂量结构的自动化规划工作流可以快速生成治疗计划.
- 拟议的自相一致的剂量预测到自动规划方案显著减少了计划优化时间.
更多相关视频
08:34Proton Therapy Delivery and Its Clinical Application in Select Solid Tumor Malignancies
Published on: February 6, 2019
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
相关概念视频
Dosage Regimen: Fixed Dose
Fixed-dose regimens can be used for various routes of administration, including intravenous (IV) injections and oral medications. For IV administration, a predetermined amount of the drug is...
Dosage Regimens: Designs and Approaches
Dosage Regimen Designs: Nomograms and Tabulations
Determination of Multiple Dosing Parameters: Loading and Maintenance Doses
Dose Response Curve: Conventional Versus Nonmonotonic
