无植入 fiducial 的图像引导放疗自动靶区定位与追踪

当前图像引导前列腺放疗常依赖植入 fiducial 或传感器进行靶区定位。fiducial 或传感器植入需有创操作，增加了部分患者的费用及出血、感染和不适风险。我们正开发一种新颖的无标记前列腺定位策略，使用预训练深度学习模型来解读常规投影 kV X 射线图像，无需每日锥形束计算机断层扫描（CBCT）。首先利用数千张标注投影 X 射线图像训练深度学习模型。该训练模型能为给定输入 X 射线投影图像识别前列腺靶区位置。为评估该方法精度，回顾性研究了三名接受容积旋转调强放疗（VMAT）的前列腺癌患者。将深度学习模型所得结果与前列腺实际位置进行定量比较。深度学习模型所得靶区位置与相应标注的偏差在前-后（AP）方向为 1.66 mm 至 2.77 mm，在侧向为 1.15 mm 至 2.88 mm。深度学习模型对使用 OBI 获取的 kV 图像提供的靶区位置与源自 fiducial 的位置一致。本研究首次证明，基于深度学习的高精度无标记前列腺定位是可实现的。该策略为图像引导放疗（IGRT）及介入中的每日患者摆位与实时靶区追踪提供了具有临床价值的解决方案。