基于情景特异性剂量预测与鲁棒剂量模仿的自动化放射治疗计划鲁棒方法
医学物理
2022-10-12 v2
摘要
目的：我们提出一种使用机器学习的鲁棒自动化治疗计划框架，包含情景特异性剂量预测与鲁棒剂量模仿。方法：情景剂量预测流程分为从输入图像预测名义剂量，以及从名义剂量预测情景剂量，各自使用具 U-net 架构的深度学习模型。通过使用专门开发的基于剂量-体积直方图的损失函数，所预测的情景剂量被确保具有充分靶区覆盖，尽管训练数据可能非鲁棒。随后可通过求解以预测值作为情景特异性参考剂量的鲁棒剂量模仿问题来生成可投照计划。结果：使用 52 例前列腺癌患者的强度调制质子治疗计划数据集进行数值实验。我们显示预测的情景剂量与其各自真值吻合良好，尤其在靶区覆盖与名义情景相当方面。后续鲁棒剂量模仿生成的可投照计划被证明对预测所考虑的同一情景集具有鲁棒性。结论：我们展示了所提方法将鲁棒性纳入自动化治疗计划算法的可行性与优点。
引用
@article{arxiv.2110.09984,
title = {Robust automated radiation therapy treatment planning using scenario-specific dose prediction and robust dose mimicking},
author = {Oskar Eriksson and Tianfang Zhang},
journal= {arXiv preprint arXiv:2110.09984},
year = {2022}
}