单射全计划深度学习用球体波器计算放射治疗剂量

科学领域:

• 医学物理 医学物理
• 辐射治疗中的人工智能
• 计算剂量计计算剂量计.

背景情况:

• 精确的剂量计算对于有效的放射治疗计划至关重要.
• 随着放射治疗病例的增加,需要更快的规划方法.
• 传统的基于物理的剂量计算可能耗时且缺乏足够的准确性.

研究的目的:

• 开发一种新的,基于物理的深度学习人工智能方法,用于快速准确的剂量计算.
• 为了解决现有的放射治疗剂量计算技术的速度和精度限制.
• 为了实现复杂的临床VMAT和IMRT计划的高精度剂量计算.

主要方法:

• 一种两阶段的深度学习方法,将Beer-Lambert定律与球体波相结合.
• 在第二阶段使用图像对图像神经网络进行剂量预测.
• 在三个体位的1641个临床计划上进行了广泛的数据生成和增强,超过了10万个训练样本.

主要成果:

• 人工智能模型实现了高精度,在多个身体部位的平均马传导率为99.1% (2% / 2mm) 和94.4% (1% / 1mm).
• 在RTX 4090 GPU上运行时间为1.6秒,表现出了出色的速度.
• 在各种临床VMAT和IMRT计划上得到验证,显示可靠的性能.

结论:

• 拟议的基于物理的深度学习方法可以快速,高度准确地计算放射治疗的剂量.
• 这种AI方法适用于少数领域和多领域的治疗计划.
• 在放射治疗规划效率和精度方面提供了显著的进步.