基于CT的深度学习自轮算法对前列腺癌放射治疗计划的剂量计影响DirectORGANS的剂量计准确性

科学领域:

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

背景情况:

• 精确的器官和目标轮是有效的前列腺放射治疗计划的关键.
• 自动轮算法旨在提高放射治疗轮的效率和一致性.
• 评估新的自动轮技术对于临床采用至关重要.

研究的目的:

• 量度评估DirectORGANS自轮算法用于前列腺放射治疗的可用性.
• 评估DirectORGANS在确定有风险的器官和目标体积方面的准确性.
• 在放射治疗规划中比较自动与手动轮的临床效率.

主要方法:

• 分析了来自10名前列腺癌患者的CT图像.
• 使用DirectORGANS算法进行前列腺,膀,直肠和大腿骨头的自动轮.
• 经验丰富的医生的手动轮作为参考标准.
• 对自动轮和手动轮结构生成了剂量体积直方图.
• 对有风险的器官的目标体积和剂量参数的符合性和同质性指数进行了评估.

主要成果:

• 对于有风险的器官,自动轮和手动轮图之间没有发现显著的剂量测量差异.
• 对于前列腺轮 (P < 0.05) 观察到符合性和同质性指数的统计学上显著差异.
• 该 DirectORGANS 算法证明了对有风险的器官的安全利用,而不需要进行纠正.

结论:

• DirectORGANS算法适用于在前列腺放射治疗规划中划分风险器官.
• 在治疗之前,临床人员的审查和潜在的目标体积 (前列腺) 编辑仍然是必要的.
• 该算法显示有可能减少医生间的变化,并缩短放射治疗规划中的轮时间.