使用深度学习生成CBCT轮用于前列腺SABR治疗的在线剂量评估

科学领域:

• 辐射瘤学 辐射瘤学
• 医学物理 医学物理
• 放射治疗技术 放射治疗技术

背景情况:

• 前列腺立体式除体放射疗法 (SABR) 是一种精确的治疗方法,需要准确的患者设置.
• 前列腺SABR的设置错误可能导致附近危险器官 (OARs) 意外的辐射剂量,例如直肠和膀.
• 虽然肠道和膀准备方案旨在最大限度地减少分数间的变化,但患者的坚持可能是不一致的,这会影响OAR定位和剂量递送.

研究的目的:

• 评估用于前列腺SABR患者设置评估的现有决策树 (DTs) 的有效性.
• 用深度学习生成的轮从束CT扫描 (CBCT) 来估计直肠和膀的每日剂量.
• 将估计的每日剂量与计划的剂量-体积指标进行比较,并指导开发个性化的DTs.

主要方法:

• 对40名前列腺SABR患者200次治疗前CBCT扫描的回顾性分析.
• 在CBCT扫描上使用深度学习对直肠和膀进行自动轮.
• 通过将计划剂量叠加到已注册的CBCT数据并对剂量-体积指标违规行为进行分类,估计每日OAR剂量.

主要成果:

• 27%的碎片有严重的膀剂量违规,14%有严重的直肠剂量违规.
• 不一致的患者准备显著影响了OAR位置和体积,导致未达到剂量测量目标.
• 使用DTs进行视觉评估时错过了显著的剂量指标违规;在59个不足填充的膀部分中,只有23个被标记,这表明当前方法的局限性.

结论:

• 患者的准备是影响前列腺SABR的剂量测量结果的关键因素.
• 在患者设置评估中依赖视觉检查和传统的DTs是不够的,并且可以忽略关键剂量偏差.
• 自动化工具是必要的,以确保遵守剂量测量约束,并提高前列腺SABR患者的安全性.