基于深度强化学习的局部晚期宫颈癌间质HDR近距离治疗自动治疗规划
医学物理
2025-06-16 v1 机器学习
摘要
高剂量率（HDR）近距离治疗在局部晚期宫颈癌的治疗中发挥关键作用，但仍然高度依赖手动治疗规划专业知识。本研究旨在开发一个完全自动化的HDR近距离治疗规划框架，该框架整合强化学习（RL）和基于剂量的优化，以生成临床可接受的治疗计划，并提高一致性和效率。我们提出了一种分层两阶段自动规划框架。在第一阶段，基于深度Q网络（DQN）的强化学习智能体迭代选择治疗规划参数（TPPs），这些参数控制靶区覆盖与危及器官（OAR）保护之间的权衡。智能体的状态表示包括剂量-体积直方图（DVH）指标和当前TPP值，而其奖励函数纳入了临床剂量目标和安全约束，包括靶区的D90、V150、V200以及所有相关OAR（膀胱、直肠、乙状结肠、小肠和大肠）的D2cc。在第二阶段，一个定制的基于Adam的优化器使用临床指导的损失函数计算所选TPPs对应的驻留时间分布。该框架在具有复杂施源器几何结构的患者队列上进行了评估。所提出的框架成功学习了在不同患者解剖结构中有临床意义的治疗规划参数调整。对于未见过的测试患者，基于RL的自动规划方法取得了平均93.89%的评分，优于临床计划的平均91.86%。考虑到在保持完全靶区覆盖并在大多数情况下减少CTV热点的同时实现了评分提升，这些发现具有重要意义。
引用
@article{arxiv.2506.11957,
title = {Automated Treatment Planning for Interstitial HDR Brachytherapy for Locally Advanced Cervical Cancer using Deep Reinforcement Learning},
author = {Mohammadamin Moradi and Runyu Jiang and Yingzi Liu and Malvern Madondo and Tianming Wu and James J. Sohn and Xiaofeng Yang and Yasmin Hasan and Zhen Tian},
journal= {arXiv preprint arXiv:2506.11957},
year = {2025}
}
备注
12 pages, 2 figures, 3 tables