基于深度学习的4D强大的优化强度调节的质子疗法用于肺癌放射治疗
Muyu Liu1, Sheng Chang2, Bo Pang3
1Chongqing Hospital, Huazhong University of Science and Technology Tongji Medical College Union Hospital, No. 799 Liangjiang Avenue, Yubei District, Chongqing, 401121, China.
Physics in medicine and biology
|March 11, 2026
概括
一个新的深度学习4D优化框架改善了肺癌强度调制质子疗法 (IMPT). 这种方法提高了计划的合规性和目标覆盖率,为可靠的放射治疗计划提供了有效的替代方案.
科学领域:
- 医学物理 医学物理
- 辐射瘤学 辐射瘤学
- 人工智能在医学中的应用
背景情况:
- 强度调节质子疗法 (IMPT) 提供精确的剂量传递,但面临着呼吸运动和肺癌放射治疗范围不确定性的挑战.
- 这些不确定性可能导致相互作用效应,损害治疗的有效性和安全性.
研究的目的:
- 开发和评估基于深度学习的4D优化框架,用于强大的IMPT肺癌治疗计划.
- 该框架旨在减轻相互作用效应,提高剂量合规性.
主要方法:
- 在4DCT数据集上使用U-Net模型进行基于深度学习的4D剂量预测.
- 以水等效厚度变化 (ΔWET) 引导的光束选择和剂量模拟被整合在一起,以生成4D强大的IMPT计划.
- 该框架在62名肺癌患者的数据上进行了训练和测试.
主要成果:
- 基于深度学习的4D (DL4D) 计划与传统的强大优化方法相比,显示出更高的符合性.
- DL4D计划保持了整个呼吸阶段的目标覆盖率,并显示了IGTV和GTV的显著更高的合规指数 (CI).
- 有风险的器官 (OAR) 的剂量在临床上仍然可比,而GTV D98%接近处方剂量.
结论:
- 开发的基于深度学习的4D优化框架,包括ΔWET引导的光束选择和剂量模拟,提供了一种高效有效的方法来生成强大的IMPT计划.
- 这种方法为肺癌患者提供了更好的合规性和目标覆盖率,为传统的4D强大优化技术提供了可行的替代方案.
