机器学习模型用于预测前列腺癌放射治疗中精液囊泡的折射运动
Mitsuaki Terabe1, Takeshi Kamomae2, Yuki Taniguchi3
1Department of Radiology, Nagoya University Graduate School of Medicine, 65, Tsurumai-cho, Showa-ku, Nagoya, Aichi 466-8550, Japan.
概括
在前列腺癌放射治疗中预测精液囊泡 (SV) 运动是可能的,使用计划CT扫描的解剖特征. 这种方法可以帮助改善治疗期间的目标体积覆盖率.
科学领域:
- 辐射瘤学 辐射瘤学
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 精液囊 (SV) 运动复杂化前列腺癌放射治疗目标体积 (CTV) 定义.
- 准确的SV运动预测对于有效的治疗计划至关重要.
研究的目的:
- 调查预测患者特异性SV运动的可行性.
- 利用从计划CT (pCT) 图像中获得的解剖特征用于SV运动预测.
主要方法:
- 使用形光束CT (CBCT) 扫描对191名前列腺癌患者进行量化间断性SV运动.
- 从pCT轮中提取了42个解剖特征 (前列腺,SV,膀,直肠).
- 采用随机森林递归特征消除来进行特征选择,并开发了一种机器学习模型.
主要成果:
- 选择了四个关键的解剖特征,包括前列腺-SV关系.
- 一种增强光梯度的机器模型实现了0.724 (内部) 和0.632 (外部) 的AUC,用于识别高SV运动.
- 该模型确定了具有显著SV运动的患者.
结论:
- 在PCT解剖特征和患者特定的SV运动之间存在关联.
- 预测性表现适度,但显示出支持放射治疗策略的潜力.
- 这种方法可能有助于将SV纳入CTV以改善治疗结果.
