亚秒级光子剂量预测：通过Transformer神经网络
摘要：深度学习算法在几毫秒内准确预测广泛的光子束剂量分布。改进的Dose Transformer Algorithm（iDoTA）将任意患者几何和光束信息映射到相应的三维剂量分布。iDoTA将三维CT输入和剂量输出体积视为沿光子束方向的二维切片序列，并使用Transformer和卷积层结合解决剂量预测任务。通过在1700个光子束剂量分布数据集上训练iDoTA，使用11个临床容积调制弧疗（VMAT）计划评估其准确度和速度。iDoTA在约50毫秒内准确预测个别光子束，具有高达97.72\%（2毫米，2\%）的伽玛通过率。此外，iDoTA在6-12秒内估计完整的VMAT剂量分布，具有99.51\%（2毫米，2\%）的通过率，达到最先进的性能水平。iDoTA以在线和实时自适应治疗所需的亚秒速度提供了新的数据驱动光子剂量计算技术，从而大大加速当前光子工作流程，将计算时间从几分钟缩短到几秒钟。
作者：Oscar Pastor-Serrano, Peng Dong, Charles Huang, Lei Xing, Zolt''an Perk''o
论文ID：2209.08923
分类：Medical Physics
分类简称：physics.med-ph
提交时间：2023-07-19