利用CNN比较纵向每日CBCT采集间的三维形变以预测头颈放疗毒性
计算机视觉与模式识别
2023-03-08 v1 机器学习
摘要
自适应放疗因其保护健康组织的目标而成为癌症治疗中一个日益增长的研究领域。多家机构的标准诊疗包含纵向锥束计算机断层扫描(CBCT)采集以监测变化，但尚未被用于在治疗副作用的同时改善肿瘤控制。本研究的目的是证明放疗期间每日采集的用于头颈癌治疗的预处理CBCT在临床价值，其下游任务为预测严重毒性发生：反应性喂食管(NG)、住院和放射性坏死。为此，我们提出了一种可形变三维分类流程，包括一个分析计划CT与纵向CBCT之间形变的雅可比矩阵的组件，以及临床数据。该模型基于多分支三维残差卷积神经网络，而CT到CBCT的配准则基于一对VoxelMorph架构。放射性坏死和住院的准确率分别为85.8%和75.3%，且在治疗第一周后即取得相似性能。对于NG管风险，性能随CBCT分次采集时间的推移而提升，在治疗第周达到83.1%。
引用
@article{arxiv.2303.03965,
title = {Comparing 3D deformations between longitudinal daily CBCT acquisitions using CNN for head and neck radiotherapy toxicity prediction},
author = {William Trung Le and Chulmin Bang and Philippine Cordelle and Daniel Markel and Phuc Felix Nguyen-Tan and Houda Bahig and Samuel Kadoury},
journal= {arXiv preprint arXiv:2303.03965},
year = {2023}
}
备注
11 pages, 3 figures, 2 equations, 2 tables