使用轻量级Swin-Transformer进行体积调制弧线治疗的创新型患者特异性输送剂量预测
Yongqiang Zhou1, Changfei Gong2,3, Junming Jian2,3
1Department of Radiation and Medical Oncology, First Affiliated Hospital of Wenzhou Medical University, WenZhou Radiation Oncology and Translational Research Key Laboratory, Wenzhou, Zhejiang, China.
一个新的深度学习模型,STQA,通过准确预测辐射剂量,提高了体积调制弧线治疗的质量保证. 这种轻量级的框架提高了放射治疗患者特定质量保证工作流程的效率和准确性.
科学领域:
- 医学物理 医学物理
- 放射治疗技术 放射治疗技术
- 医疗保健中的人工智能
背景情况:
- 卷度调制弧线疗法 (VMAT) 需要患者特异性质量保证 (PSQA) 进行准确的剂量测量.
- 手动PSQA方法在临床环境中耗时且劳动密集.
- 深度学习 (DL) 模型可以自动化PSQA,但现有的CNN在本地和全球功能集成方面遇到了困难.
研究的目的:
- 开发一种新的,轻量级的DL框架,用于增强VMAT递送剂量 (VTDose) 预测.
- 提高PSQA中的计算效率和空间特征学习.
- 解决当前DL方法在协调本地和全球上下文信息方面的局限性.
主要方法:
- 提出一个混合DL架构 (STQA) 的层次融合框架.
- 整合转移窗口的自我注意力与自适应的本地-全球功能交互.
- 利用ResNet模块和深度可分离的注意力来减少参数 (40%) 和保存空间分辨率.
主要成果:
- 与最先进的方法相比,STQA证明了优越的VTDosis预测准确度.
- 实现了高性能指标:SSIM=0.978,MAE=0.163,RMSE=0.416. 这是一个很好的表现.
- 玛合格率分析证实了临床适用性,达成95.43%±3.41%的协议.
结论:
- 在放射治疗中,STQA为VTDosis预测提供了一个高效和准确的范式.
- 轻量级的DL框架是在多个地点的临床数据上得到验证的.
- STQA提供了一种临床可行的解决方案,以增强放射治疗PSQA工作流程.
更多相关视频
08:34Proton Therapy Delivery and Its Clinical Application in Select Solid Tumor Malignancies
Published on: February 6, 2019
07:57Positron Emission Tomography-based Dose Painting Radiation Therapy in a Glioblastoma Rat Model using the Small Animal Radiation Research Platform
Published on: March 24, 2022
相关概念视频
One-Compartment Open Model for IV Bolus Administration: Estimation of Clearance
In the one-compartment open model for intravenous (IV) bolus administration, clearance is estimated by dividing the elimination rate by the plasma drug concentration. This equation leverages the elimination rate constant and the apparent...
Dosage Regimen: Individualization
Dosage Regimen Designs: Nomograms and Tabulations
Determination of Multiple Dosing Parameters: Loading and Maintenance Doses
Drug Dosing: Infants and Children
Drug Dosing in Renal Diseases: Dose Adjustments Based on Drug Clearance and Elimination Rate Constant
