通过使用高速摄像头和神经网络,用于在线质量控制手臂疗法中静止位置和静止时间的新方法

科学领域:

• 医学物理 医学物理
• 辐射瘤学 辐射瘤学
• 图像处理 图像处理

背景情况:

• 精确的质量控制 (QC) 对于高剂量率 (HDR) 支臂疗法至关重要,以确保精确的辐射输送.
• 目前的在线QC方法在HDR支架治疗中停留位置和时间可能缺乏所需的精度和稳定性.
• 研究神经网络等先进技术可能会提高质量控制系统的稳定性和准确性.

研究的目的:

• 开发和验证在线质量控制 (QC) 系统,以精确评估HDR支架疗法中停留位置和停留时间.
• 探索神经网络的实用性,以提高拟议的HDR骨干疗法质量控制系统的稳定性和稳定性.
• 在空间和时间分辨率,位置精度和停留时间精度方面评估系统的性能.

主要方法:

• 使用高速摄像头,定制照明和专用软件开发了一个集成的在线QC框架.
• 实验涉及GammaMedPlus iX后载器与步骤源,测试各种步骤大小和停留时间.
• 在线源追踪使用了差方法,而离线分析评估了RT-DETRv2神经网络用于源本地化.

主要成果:

• 该系统实现了高空间 (0.083毫米) 和时间 (7.0毫秒) 的分辨率.
• 位置偏差,主要是由于导线曲,在校正后从<0.1厘米减少到~0.01厘米.
• 停留时间偏差在10.0毫秒内,RT-DETRv2显示出高定位精度 (91%在0.26毫米内),尽管延迟不适合在线使用.

结论:

• 开发了一种技术上可行的在线QC方法,用于HDR支架疗法,使得源传递参数的精确验证成为可能.
• 该研究表明了深度学习 (RT-DETRv2) 对于源检测的潜力,适合离线或辅助验证.
• 这项工作奠定了提高HDR基疗法QC系统可靠性和自动化的基础.