基于深度学习从三维辐射剂量分布图预测下颌骨放射性骨坏死发生率
医学物理
2022-06-24 v2
摘要
背景。下颌骨吸收的辐射剂量是接受放疗(RT)的头颈癌(HNC)患者发生下颌骨放射性骨坏死(ORN)的重要危险因素。预测下颌骨ORN不仅可以指导RT治疗计划优化过程，还可识别哪些患者将受益于RT后更密切的随访以实现ORN的早期诊断与干预。现有的下颌骨ORN预测模型基于剂量-体积直方图(DVH)指标，忽略了临床下颌骨辐射剂量分布图所提供的空间定位及剂量梯度和方向信息。方法。我们提出使用二分类3D DenseNet121直接从三维下颌骨辐射剂量分布图中提取相关剂量学信息并预测ORN发生。我们将结果与基于DVH参数的随机森林(Random Forest)集成模型进行比较。结果。3D DenseNet121模型区分ORN与非ORN病例的平均AUC为0.71 (0.64-0.79)，而RF模型为0.65 (0.57-0.73)。结论。直接从临床辐射剂量分布图获取剂量学信息可增强ORN正常组织并发症概率(NTCP)模型的性能与功能。
引用
@article{arxiv.2112.11503,
title = {Prediction of mandibular ORN incidence from 3D radiation dose distribution maps using deep learning},
author = {Laia Humbert-Vidan and Vinod Patel and Robin Andlauer and Andrew P King and Teresa Guerrero Urbano},
journal= {arXiv preprint arXiv:2112.11503},
year = {2022}
}
备注
10 pages, 3 figures, 2 tables