GAMBAS -- 基于最近邻模型的质子治疗快速束角选择
医学物理
2024-08-05 v1 应用物理
摘要
目的：束角选择在质子治疗治疗计划中至关重要，但自动化方法仍鲜有探索。本研究提出并评估了GAMBAS，这是一种新型、快速的机器学习模型，用于自动束角选择。方法：该模型从患者 CT 图像和结构轮廓中提取一组预定义的解剖特征。利用这些特征，它识别出训练数据库中最相似的患者，并建议使用该患者的方法。对19例患者进行了回顾性研究，将该模型的建议与人类计划师的选择以及从训练数据集中随机选择的束 arrangement 进行比较。专家治疗计划师对计划进行评估（评分1-5分），并对其进行排序，猜测所用的方法。结果：可接受（得分4或5分）的计划数量，在人类选择的17例（89%）和模型选择的16例（84%）之间相当。完全自动化的治疗计划耗时为4-7分钟（平均5分钟）。结论：该模型产生的束 arrangement质量相当于人类计划师所选择的方案，显示出其作为快速质量保证和患者筛选工具的潜力，尽管尚未准备好用于临床应用。
引用
@article{arxiv.2408.01206,
title = {GAMBAS -- Fast Beam Arrangement Selection for Proton Therapy using a Nearest Neighbour Model},
author = {Renato Bellotti and Nicola Bizzocchi and Antony J. Lomax and Andreas Adelmann and Damien C. Weber and Jan Hrbacek},
journal= {arXiv preprint arXiv:2408.01206},
year = {2024}
}
备注
8 pages, 2 figures, 1 table