使用深度学习从3D放射剂量分布图预测下颌骨ORN发病率
摘要：放射治疗对下颌吸收的剂量是头颈部癌症患者下颌放射性骨坏死（ORN）发展的一个重要风险因素。预测下颌ORN不仅可以指导放疗治疗计划的优化过程，还可以确定哪些患者会从放疗后更密切的随访中获益，以便早期诊断和干预ORN。现有的下颌ORN预测模型基于剂量-体积直方图（DVH）指标，忽略了临床下颌放射剂量分布图所提供的空间定位、剂量梯度和方向信息。靶求:我们提出使用二分类3D DenseNet121从3D下颌放射剂量分布图中直接提取相关剂量学信息，并预测ORN的发生率。我们将结果与基于DVH的参数的随机森林集成进行比较。3D DenseNet121模型能够优于RF模型区分ORN与非ORN病例，平均AUC为0.71（0.64-0.79），而RF模型为0.65（0.57-0.73）。从临床放射剂量分布图中直接获取剂量学信息可能会提升ORN正常组织并发症概率（NTCP）模型的性能和功能。
作者：Laia Humbert-Vidan, Vinod Patel, Robin Andlauer, Andrew P King and Teresa Guerrero Urbano
论文ID：2112.11503
分类：Medical Physics
分类简称：physics.med-ph
提交时间：2022-06-24