强大的器官映射剂量:使用多个图像注册来识别辐射剂量映射中的变形不确定性

科学领域:

• 辐射瘤学 辐射瘤学
• 医学物理 医学物理
• 图像引导疗法是指导图像的疗法.

背景情况:

• 准确的累计剂量估计对于安全有效的再辐射 (reRT) 治疗计划至关重要.
• 可变形图像注册 (DIR) 的不确定性在reRT剂量积累中构成了挑战.
• 现有的方法可能无法完全捕捉危险关键器官 (OAR) 的空间不确定性.

研究的目的:

• 引入一个强大的器官映射剂量 (ROAD) 方法,用于在reRT期间估计OAR中的累积剂量.
• 为了将voxel级DIR不确定性纳入剂量估计中,使用一种新的重新采样内核.
• 提高在reRT中OAR剂量评估的可靠性,特别是在具有显著解剖变化的区域.

主要方法:

• 根据三个独立的DIR算法之间的不一致性开发了一种剂量重新采样内核,以估计空间不确定性.
• 包含了额外的内核扩展,以考虑DIR内部不一致性无法捕捉的不确定性,确保OAR中的剂量来源和采样.
• 将ROAD方法应用于盆腔,头和胸部reRT病例,并将结果与基线映射剂量和固定核方法进行比较.

主要成果:

• 通过使用额外的内核扩展,ROAD框架成功地检测到超出DIR不一致的剩余错误.
• 在低变形不确定性下,ROAD证明了与固定核心方法相比的剂量分布.
• 在具有较大的解剖学变异的区域 (例如骨盆) 中,ROAD显示出优越的稳定性,减少了在不增加总剂量的情况下对近最大剂量的低估.

结论:

• 拟议的ROAD框架通过明确纳入voxel级DIR不确定性,提供了更可靠的OAR剂量估计.
• ROAD增强了对再辐射剂量评估的信心,特别是在发生了实质性解剖变化的情况下.
• 在reRT中,ROAD方法为累积器官剂量的临床评估提供了一种实用且强大的工具.