用于自动化放射治疗计划的概率特征提取、剂量统计预测与剂量模拟
医学物理
2021-09-08 v3 机器学习
摘要
目的：我们提出一个通用框架，用于量化剂量相关量的预测不确定性，并在自动化放射治疗计划背景下的剂量模拟问题中利用该信息。方法：采用包含特征提取、剂量统计预测和剂量模拟的三步流水线。特别地，特征由卷积变分自编码器生成，并用作先前开发的非参数贝叶斯统计方法的输入，估计一组预定义剂量统计的多变量预测分布。随后利用专门开发的目标函数基于所生成分布构建概率剂量模拟问题，以创建可交付的治疗计划。结果：使用 94 例前列腺癌患者回顾性治疗计划的数据集进行数值实验。我们表明，变分自编码器提取的特征捕获了与剂量统计预测问题高度相关的几何信息，且比手工特征以更规则的方式关联于剂量统计。估计的预测分布合理且优于不依赖输入的基准方法，且由概率剂量模拟生成的可交付计划在与其临床对应计划的一致性上优于非概率公式。结论：我们证明剂量相关量的预测可扩展至包含不确定性估计，且此类概率信息可在剂量模拟问题中加以利用。所提流水线生成的治疗计划与其原始对应计划吻合良好，说明了基于概率建模的自动化计划整体方法的优点。
引用
@article{arxiv.2102.12569,
title = {Probabilistic feature extraction, dose statistic prediction and dose mimicking for automated radiation therapy treatment planning},
author = {Tianfang Zhang and Rasmus Bokrantz and Jimmy Olsson},
journal= {arXiv preprint arXiv:2102.12569},
year = {2021}
}