一种基于级联 Transformer 的模型用于头颈癌放疗中 3D 剂量分布预测
图像与视频处理
2024-04-10 v1 医学物理
摘要
放疗是临床上治疗癌症的主要方法。其目标是向计划靶区（PTV）递送精确剂量，同时保护周围的危险器官（OARs）。然而，剂量师用于制定方案的传统工作流程耗时且主观，需要根据经验进行迭代调整。深度学习方法可用于预测剂量分布图以解决这些局限。本研究提出一种用于危险器官分割和剂量分布预测的级联模型。针对分割任务开发了编码器-解码器网络，其中编码器由 transformer 模块组成，解码器使用多尺度卷积块。另一级联编码器-解码器网络利用金字塔架构提出用于剂量分布预测。所提模型使用 96 名患者的内部头颈癌数据集和 OpenKBP（一个 340 名患者的公共头颈癌数据集）进行了评估。分割子网络在 Dice 和 HD95 分数上分别达到 0.79 和 2.71。该子网络优于现有基线。剂量分布预测子网络在剂量和 DVH 分数上分别以 2.77 和 1.79 优于 OpenKBP2020 竞赛的冠军。预测的剂量图与真值显示出良好的一致性，在与辅助分割任务连接后具有优越性。所提模型优于最先进的方法，特别是在低处方剂量区域。
引用
@article{arxiv.2307.12005,
title = {A Cascade Transformer-based Model for 3D Dose Distribution Prediction in Head and Neck Cancer Radiotherapy},
author = {Tara Gheshlaghi and Shahabedin Nabavi and Samire Shirzadikia and Mohsen Ebrahimi Moghaddam and Nima Rostampour},
journal= {arXiv preprint arXiv:2307.12005},
year = {2024}
}