完全自动化强度调节的直肠癌放射治疗计划,基于深度学习预测三维剂量分布的三维剂量分布
Yimei Liu1, Lin Huang2, Zixuan Leng3
1Department of Radiation Oncology, State Key Laboratory of Oncology in South China, Guangdong Key Laboratory of Nasopharyngeal Carcinoma Diagnosis and Therapy, Guangdong Provincial Clinical Research Center for Cancer, Sun Yat-sen University Cancer Center, Guangzhou, China.
Quantitative imaging in medicine and surgery
|December 10, 2025
概括
一个新的深度学习模型自动化了对直肠癌的强度调节放射治疗 (IMRT) 计划,大大提高了计划的效率和质量. 这种3D MT-U-Net方法提高了剂量预测的准确性,并优化了治疗的交付.
科学领域:
- 医学物理 医学物理
- 辐射疗法 辐射疗法
- 人工智能的人工智能
背景情况:
- 对直肠癌的强度调节放射治疗 (IMRT) 计划设计复杂且耗时.
- 深度学习 (DL) 提供了自动化和提高IMRT计划质量的潜力.
- 精确预测放射治疗剂量分布对于有效治疗至关重要.
研究的目的:
- 使用3D多任务培训U-Net (3D MT-U-Net) 深度学习模型开发用于直肠癌的全自动化IMRT计划设计方法.
- 提高直肠癌治疗IMRT计划的效率和质量.
- 准确预测放射治疗剂量分布,并将其转化为自动化优化目标.
主要方法:
- 开发了一个3DMT-U-Net模型,结合了预训练和多任务学习,包括梯度和异位剂线图,以提高剂量分布预测.
- 建立了两种自动化规划方法:基于voxel剂量 (AP_VD) 和基于DVH (AP_DVH),整合了临床约束.
- 蒙特卡洛算法用于剂量计算,并使用平均绝对误差 (MAE) 和剂量-体积直方图 (DVH) 参数对手册计划进行了评估.
主要成果:
- 与最先进的DL架构相比,3D MT-U-Net模型显示出更高的预测准确性,用于规划目标体积的MAE显著较低.
- 这两种自动化规划方法都实现了与手动计划相比的目标覆盖率和危器官保护.
- 基于voxel剂量的自动化计划 (AP_VD) 显示出卓越的剂量测量性能,特别是在降低对有风险的器官的剂量方面,并实现了更高的平均计划得分.
结论:
- 成功开发了一种针对直肠癌的全自动化IMRT计划设计方法.
- 拟议的方法显著提高了IMRT计划设计的效率和质量.
- 多任务学习机制,包括梯度和等线图,对于提高模型性能至关重要.
