基于层级密集连接 U-net 深度学习架构的鼻咽癌患者三维放疗剂量预测
医学物理
2019-03-27 v3 计算机视觉与模式识别
机器学习
摘要
头颈(H&N)癌患者的治疗计划过程因靶区体积大、处方剂量层级多以及靶区附近众多放射敏感危机器官而被视为最复杂的过程之一。该部位的治疗计划需要高水平人力专业知识和大量努力以制定个性化高质量方案,耗时可达一周,降低了肿瘤控制与患者存活的机会。为解决此问题,我们提出研究一种基于深度学习的剂量预测模型——层级密集连接 U-net,其基于两种极流行的网络架构:U-net 与 DenseNet。我们发现该新架构能够准确高效地预测剂量分布,在测试数据上的均匀性、剂量适形性与剂量覆盖方面优于标准 U-net 与 DenseNet 另两种模型。在所有危机器官上平均,我们提出的模型在测试数据上能以处方剂量的 6.3% 以内预测危机器官最大剂量、以 5.1% 以内预测平均剂量。其余模型标准 U-net 与 DenseNet 表现较差,危机器官最大剂量预测误差平均分别为 8.2% 与 9.3%,平均剂量预测误差分别为 6.4% 与 6.8%。此外,我们提出的模型可训练参数比标准 U-net 少 12 倍,且比 DenseNet 快 4 倍预测患者剂量。
引用
@article{arxiv.1805.10397,
title = {Three-Dimensional Radiotherapy Dose Prediction on Head and Neck Cancer Patients with a Hierarchically Densely Connected U-net Deep Learning Architecture},
author = {Dan Nguyen and Xun Jia and David Sher and Mu-Han Lin and Zohaib Iqbal and Hui Liu and Steve Jiang},
journal= {arXiv preprint arXiv:1805.10397},
year = {2019}
}