一个简单的u-net学习框架,用于在放射治疗中快速准确的三维剂量预测
Zhong Chen1, Wangyao Li2, Xinglei Shen2
1School of Computing, Southern Illinois University, Carbondale, IL 62901, United States; Department of Radiation Oncology, University of Kansas Medical Center, Kansas City, KS 66160, United States.
这项研究介绍了FS-UNet,这是一种新的深度学习模型,使用有限的患者数据改善了放射治疗剂量预测的准确性. FS-UNet通过使精确的剂量预测,即使只有少数训练示例,也提高了治疗规划.
科学领域:
- 医学物理 医学物理
- 人工智能在医学中的应用
- 辐射疗法 辐射疗法
背景情况:
- 准确的患者特异性剂量预测对于有效的放射治疗计划至关重要.
- 深度学习模型看起来很有前途,但需要广泛的训练数据来进行概括.
- 数据有限阻碍了深度学习在个性化放射治疗中的应用.
研究的目的:
- 开发一种深度学习模型,使用有限的训练数据准确预测剂量.
- 提高辐射治疗计划的效率和质量.
- 为了解决放射治疗中深度学习的泛化挑战.
主要方法:
- 拟议的FS-UNet模型结合了3D U-Net与少数射击学习技术 (MAML和原型网络).
- 利用超级学习 (MAML) 来从有限的样本中更新参数.
- 雇员原型网络用于可概括的特征指标学习.
主要成果:
- 在前列腺质子放射治疗中,FS-UNet的表现优于现有的方法,但数据有限.
- 在大型和小型训练数据集上表现出卓越的性能.
- 改善了肝脏和胰腺病例的剂量预测,包括混合部位的预测.
结论:
- FS-UNet实现了更准确的剂量预测 (DVH) 和较低的平均平方误差 (MSE).
- 对包括前列腺,肝脏和胰腺在内的各种癌症部位有效.
- 验证了几次射击学习对放射治疗中强大的剂量预测的实用性.
更多相关视频
09:49A Whole Body Dosimetry Protocol for Peptide-Receptor Radionuclide Therapy PRRT: 2D Planar Image and Hybrid 2D+3D SPECT/CT Image Methods
Published on: April 24, 2020
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
Radiation: Applications
The average...
Positron Emission Tomography
One of the main requirements of a PET scan is a positron-emitting radioisotope, which is produced in a cyclotron and then attached to a substance used by the part of the body being...
Absorption of Radiation
