Cryo-RL：利用强化学习自动化前列腺癌冰冻术规划
计算机视觉与模式识别
2025-10-22 v3
摘要
冰冻术是一种针对前列腺癌的微创局部治疗方法，通过冷冻期间破坏恶性组织，同时保留周围健康组织。其成功取决于对冰柱针 placements 的准确预手术规划，以完全覆盖肿瘤并避免关键解剖结构。当前的规划是手动进行的，依赖专业知识且耗时，导致治疗质量存在差异且规模受限。本文引入 Cryo-RL，一种强化学习框架，将冰冻术规划建模为马尔可夫决策过程，并学习冰柱针放置的最优策略。在模拟环境中模拟临床约束和随机手术中变异性，智能体依次选择冰柱针位置和冰球直径。基于肿瘤覆盖度的奖励函数引导该智能体学习一种导致最优冰柱针放置的冰冻策略，无需任何手动设计的计划。我们在 583 例回顾性前列腺癌病例上评估了 Cryo-RL，与基于几何优化的最佳自动基线相比，Dice 指数提高了超过 8 个百分点，同时在需要大幅度减少规划时间的情况下匹配了人类专家水平。这些结果凸显了强化学习交付临床可行、可重复且高效冰冻术计划的潜力。
引用
@article{arxiv.2509.04886,
title = {Cryo-RL: automating prostate cancer cryoablation planning with reinforcement learning},
author = {Trixia Simangan and Ahmed Nadeem Abbasi and Yipeng Hu and Shaheer U. Saeed},
journal= {arXiv preprint arXiv:2509.04886},
year = {2025}
}
备注
Accepted at MICAD (Medical Imaging and Computer-Aided Diagnosis) 2025