自动特定吸收率 (SAR) 预测用于使用深度学习方法进行高温症治疗规划

科学领域:

• 生物医学工程 生物医学工程
• 医学物理 医学物理
• 人工智能的人工智能

背景情况:

• 准确的特定吸收率 (SAR) 预测对于有效的高温症治疗计划 (HTP) 至关重要.
• 目前用于SAR分布的模拟方法是计算密集的,限制了实时处理调整.
• 深度学习为快速准确的SAR预测提供了一个潜在的解决方案.

研究的目的:

• 开发一种深度学习方法,以快速准确地预测人脑中的SAR分布.
• 支持大脑癌症患者实时超热症治疗计划 (HTP).

主要方法:

• 一个编码器-解码器神经网络与交叉注意力阻断被提出.
• 该模型使用大脑电气特性,瘤坐标和天线相位设置预测SAR地图.
• 201个有限元建模模拟的数据集被用于培训和评估.

主要成果:

• 该模型在整个大脑中实现了3.3W/kg的平均RMSE和1.6W/kg的MAE.
• 在目标地区,RMSE和MAE分别为4.8W/kg和2.5W/kg.
• 计算时间从10分钟缩短到4秒,平均SSIM为0.90.

结论:

• 深度学习方法使HTP的准确和高效的SAR预测成为可能.
• 这种方法有可能支持实时HTP,优化瘤温度并改善临床结果.
• 这项工作引入了一种新的深度学习方法,可以显著加速适应性高温疗法策略的SAR计算.