利用深度学习从患者解剖结构预测前列腺癌患者最佳放疗剂量分布的可行性研究
医学物理
2018-12-03 v4 人工智能
计算机视觉与模式识别
机器学习
摘要
随着癌症患者放射治疗模式的进步，治疗效果有所改善，但代价是治疗计划复杂度和计划时间的增加。对剂量分布的准确预测将通过指导临床计划优化来缓解这一问题，从而节省时间并保持高质量的计划。我们修改了一个卷积深度网络模型 U-net（最初为分割目的设计），用于根据计划靶区（PTV）和危及器官（OAR）的患者图像轮廓预测剂量。我们以前列腺癌患者的调强放射治疗（IMRT）为例，展示了我们能够准确预测其剂量，在比较处方剂量 0% 到 100% 之间的预测与真实等剂量体积时，平均 Dice 相似系数为 0.91。各结构的[最大, 平均]剂量绝对差异平均值低于处方剂量的 5%，具体为：PTV [1.80%, 1.03%]、膀胱 [1.94%, 4.22%]、身体 [1.80%, 0.48%]、左股骨头 [3.87%, 1.79%]、右股骨头 [5.07%, 2.55%] 和直肠 [1.26%, 1.62%]。我们因此成功地从患者的 PTV 和 OAR 轮廓映射出期望的辐射剂量分布。另一个优点是，本文所述的技术和模型使用了相对较少的数据。
引用
@article{arxiv.1709.09233,
title = {A feasibility study for predicting optimal radiation therapy dose distributions of prostate cancer patients from patient anatomy using deep learning},
author = {Dan Nguyen and Troy Long and Xun Jia and Weiguo Lu and Xuejun Gu and Zohaib Iqbal and Steve Jiang},
journal= {arXiv preprint arXiv:1709.09233},
year = {2018}
}