实验调查实时3D光束的眼睛视图图像导向的前列腺放射治疗SBRT

科学领域:

• 医学物理 医学物理
• 放射治疗技术 放射治疗技术
• 以图像为指导的干预措施

背景情况:

• 实时图像引导放射疗法 (IGRT) 对于在立体体辐射疗法 (SBRT) 中精确的剂量递送至关重要.
• 束眼视图 (BEV) 图像提供了剂量计相关的运动报告,没有额外的成像剂量.
• 深度学习通过改善低对比度图像中的标记物识别来增强实时BEV-IGRT.

研究的目的:

• 为前列腺SBRT开发和实验评估一种新的实时3DBEV-IGRT系统.
• 评估该系统与标准线性加速器的临床集成潜力.

主要方法:

• 集成了基于深度学习的2D标记分段与使用卷积神经网络 (CNN) 的3D IGRT框架.
• 采用高斯最大概率估计用于3D运动预测,并进行故障模式和效应分析 (FMEA) 以减轻风险.
• 在静态和动态条件下使用人类形状的盆腔幻体评估系统性能,治疗计划复杂度各不相同.

主要成果:

• FMEA确定了46种故障模式;缓解策略将风险优先次数 (RPN) 降低了43%.
• 在±2毫米的临床容忍范围内,实现了0.1 ± 0.7毫米 (SI),-0.1 ± 0.8毫米 (AP) 和0.1 ± 0.7毫米 (LR) 的整体3D BEV-IGRT系统准确度.
• 系统延迟平均为300 ± 100 ms,满足≤500 ms的要求.

结论:

• 开发的3D BEV-IGRT系统经过实验验证,具有临床上可接受的准确性和延迟.
• 综合风险减轻策略可以提高工作流程的安全性和系统理解.
• 该系统显示了临床实施的可行性,并计划进行前列腺SBRT试验.