放射治疗类解决方案,以纠正依赖能源的光学刺激发光膜剂量计
Marco Caprioli1, Arnaud Colijn2, Laurence Delombaerde3
1Department of Oncology, KU Leuven, Leuven, Belgium.
Medical physics
|June 4, 2025
概括
这项研究开发了一种使用集群的自动化方法来纠正放射治疗的光学刺激发光 (OSL) 膜剂量,从而提高了患者特异性质量保证 (PSQA) 的剂量准确性. 这种新方法的性能优于手册分类.
科学领域:
- 放射疗法剂量测量 放射治疗剂量测量
- 医学物理 医学物理
- 辐射瘤学 辐射瘤学
背景情况:
- 放射治疗中的患者特异性质量保证 (PSQA) 需要强度调制放射治疗 (IMRT) 和体积调制弧线治疗 (VMAT) 的高分辨率剂量计.
- 光学刺激发光 (OSL) 薄膜剂量计提供亚毫米分辨率,但具有需要校正的能量依赖反应.
- 之前的纠正是特定类别的,假设在治疗类别内具有统一的OSL能量反应.
研究的目的:
- 通过使用全面的放射治疗治疗数据集,探索OSL薄膜剂量测量的类特定校正.
- 根据定量参数相似性开发新的治疗类,消除对主观基于用户的分类的需求.
- 使用K-means集群对类进行客观分配,并与手动和随机分配进行比较.
主要方法:
- 分析了来自Varian linacs的101个IMRT/VMAT计划的数据集.
- 使用12个定量参数,归结为主要组成部分,以形成客观的治疗类.
- OSL膜 (BaFBr:Eu2+) 被校准并用于幻影中的剂量测量;根据类特定的校正得出,并评估剂量计性能.
主要成果:
- K-means 聚类确定了八个不同的治疗类,解释了75%的数据差异.
- 自动聚类与手动分类没有显著相似性 (ARI <0.01),突出了手动方法中操作者间的可变性.
- 使用自动集群的类特定校正显著提高了剂量计准确性,将平均剂量差异减少到D20%和D50%内的-0.2%±2.0%,其中88%和74%的治疗分别低于3%的差异.
结论:
- 从聚类中获得的八个客观处理类有效地纠正了PSQA的OSL薄膜的能量依赖反应.
- 与主观的定性手工分类相比,OSL剂量计的自动化定量分类方法产生了优异的剂量测量结果.
