基于预测剂量引导的宫颈癌自动计划研究

发布时间：2024-02-26 03:51

　　目的:使用机器学习方法建立宫颈癌计划剂量预测回归模型,并将预测剂量引导生成Monaco计划系统(TPS)可调用的优化模板文件,实现宫颈癌的自动计划设计。方法:对50例宫颈癌术后调强治疗计划中的危及器官采集基于重叠体积直方图的几何特征值和基于剂量直方图的剂量目标值,建模后将模型预测剂量结果自动生成Monaco TPS模板文件,进而由TPS调用优化。使用该方法对另外10例未参与模型训练的测试病例进行自动计划设计,并和人工设计的计划进行对比分析。结果:自动计划比手动计划的平均设计时间减少了40 min(P<0.05),且平均调优次数降低了3次(P<0.05),剂量学指标和计划执行效率上两者无明显差异(P>0.05)。结论:基于预测剂量引导的宫颈癌自动计划可以达到临床要求,并且提高了计划设计效率。

【文章页数】：6 页

【部分图文】：

图1基于预测剂量引导的宫颈癌自动计划流程

本研究建立基于OVH描述子和岭回归模型的宫颈癌计划剂量预测模型，并将预测剂量作为目标函数的初始值，自动生成MonacoTPS可调用优化的模板文件。基于预测剂量引导的宫颈癌自动计划流程见图1。选取10例测试病例，使用自动计划方法和手动计划方法设计IMRT计划，所有计划完成后将10....

图2剂量预测模型拟合效果指标

本研究选取宫颈癌术后病例作为实验对象，通过OVH几何特征值和剂量目标值采集训练数据，建立针对危及器官临床评估指标的回归模型。然后根据模型的预测结果自动生成MonacoTPS的优化模板，从而实现基于预测剂量引导的宫颈癌自动计划设计。实验结果表明，本研究中的自动计划方法可以达到临床....

图3自动计划和手动计划对比图

图2剂量预测模型拟合效果指标基于股骨头模型拟合效果不够好的现状，经分析，可能是因为试验病例中股骨头勾画标准未统一，部分病例股骨头勾画包括了股骨颈。本研究中自动计划流程方面还存在不足，由于MonacoTPS缺乏按照固定条件统一勾画多个危及器官OVH的模块，因此是通过Pinnac....

本文编号：3911289