在线自适应性辐射疗法中,基于3D点云表示的断层直肠解剖形状预测
Wenyu Wang1, Zihong Zhou2, Ran Wei1
1Department of Radiation Oncology, National Cancer Center/National Clinical Research Center for Cancer/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing 100021, China.
概括
一个新的生成AI模型SA-UNet准确地预测前列腺癌放射治疗期间直肠形状的变化. 在线适应性放射治疗 (OART) 的这一进步提高了治疗精度和患者安全.
科学领域:
- 医学物理 医学物理
- 人工智能在医学中的应用
- 放射治疗技术 放射治疗技术
背景情况:
- 前列腺癌的在线适应性放射治疗 (OART) 需要精确的内断层解剖监测.
- 在治疗期间预测直肠形状变化对于保持放射治疗的准确性和最大限度地减少副作用至关重要.
研究的目的:
- 开发一种生成型人工智能 (AI) 模型,用于预测前列腺癌中直肠内断形状的变化.
- 评估与传统深度学习方法相比,开发模型的性能.
主要方法:
- 从42名接受OART的前列腺癌患者的MRI数据的回顾性分析.
- 从点云数据开发SA-UNet生成性AI模型,用于3D直肠形状预测.
- 将SA-UNet与基线MLP和基线点CNN模型进行比较,使用子系数 (CD),地球移动器距离 (EMD) 和贾卡德指数 (JAC).
主要成果:
- SA-UNet表现出卓越的性能,平均CD (29.06毫米) 和EMD (4.82毫米) 最低,平均JAC (0.69) 最高.
- 与基线-MLP相比,SA-UNet在治疗分数中显示出明显更大的一致性 (p < 0.025).
- 在所有评估指标上,SA-UNet的表现明显优于基线CNN (p < 0.01).
结论:
- SA-UNet模型显示了在OART中实时内断分直肠形状预测的初步可行性.
- 这种人工智能驱动的方法有可能实现对解剖学变化的早期预警,并提高放射治疗的精度.
