微束放射治疗的计划制定一步：基于 3D U-Net 的峰谷剂量快速预测
医学物理
2022-11-22 v1
摘要
快速而准确的剂量预测是微束放射治疗（MRT）治疗计划制定中的瓶颈之一。在本文中，我们提出一种基于 3D U-Net 的机器学习（ML）模型。我们的方法分别预测窄而高强度的同步辐射微束的大剂量及其间的较低谷值剂量。为此，引入了宏观峰剂量和宏观谷剂量的概念，分别在较大体素上以宏观量而非微观层面描述相应剂量。该 ML 模型训练用于模拟完整的蒙特卡洛（MC）数据。因此，诸如偏振等复杂物理效应被模型自动考虑。本研究所描述的宏观剂量分布方法允许将单个微束预测叠加为束阵列场，使其成为治疗计划制定的一个有前景的候选方案。结果表明，所提方法能克服微束剂量预测的主要障碍，在保持合理精度的同时，于一分钟内预测出完整的微束照射场。
引用
@article{arxiv.2211.11193,
title = {A step towards treatment planning for microbeam radiation therapy: fast peak and valley dose predictions with 3D U-Nets},
author = {Florian Mentzel and Micah Barnes and Kevin Kröninger and Michael Lerch and Olaf Nackenhorst and Jason Paino and Anatoly Rosenfeld and Ayu Saraswati and Ah Chung Tsoi and Jens Weingarten and Markus Hagenbuchner and Susanna Guatelli},
journal= {arXiv preprint arXiv:2211.11193},
year = {2022}
}
备注
accepted for publication in the IFMBE Proceedings on the World Congress on Medical Physics and Biomedical Engineering 2022