一个自动的特定患者的质量保证与一个新的DVH评分算法,用于宫癌的体积调制弧线治疗

科学领域:

• 医学物理 医学物理
• 放射治疗瘤学 放射治疗瘤学
• 人工智能在医学中的应用

背景情况:

• 患者特异性质量保证 (PSQA) 对于验证放射治疗治疗计划至关重要.
• 需要准确有效的PSQA来确保治疗疗效和患者安全.
• 目前用于PSQA评估的方法可能耗时且主观.

研究的目的:

• 开发一种新的DVH评分算法,用于自动和高效地预测和分类PSQA结果.
• 用不同的DVH指标对患者特异性质量保证 (PSQA) 结果进行分类.
• 提高PSQA结果客观和自动分类通过/失败 (PoF) 的准确性和效率.

主要方法:

• 开发了一个具有跳过连接模块 (T-Net) 的U形网络,以从CT和计划剂量数据中预测PSQA剂量分布.
• 一个新的基于重量的DVH评分 (WDS) 算法被训练来分类PSQA通过/失败 (PoF) 结果.
• 该研究包括200名用体积调节弧线疗法 (VMAT) 治疗的宫癌患者,数据分为培训,验证和测试集.

主要成果:

• 与其他深度学习模型相比,T-Net在预测PSQA剂量分布方面表现优越.
• 在分类PSQA结果时,WDS算法实现了高灵敏度,特异性和准确性,优于随机森林和支持矢量机器模型.
• 在技术测试数据集中,WDS方法实现了0.952,1和0.976的精度,回忆率和F1得分.

结论:

• 开发的T-Net模型和WDS算法为PSQA结果分类提供了准确有效的方法.
• 新的WDS算法增强了PSQA通过/失败分类的客观性和自动化.
• 这种自动化方法可以改善放射治疗的质量保证过程,特别是对于VMAT治疗.