一种使用贝叶斯推断结合人群和患者特异数据的器官变形模型
摘要：挠曲模型在放射治疗中具有提高交付效果和减少毒性的潜力，但现有的数据驱动运动模型基于患者特异性或人群数据。我们提出使用贝叶斯框架将人群和患者特异性数据结合起来。我们的目标是在使用比以前的模型更少的扫描次数的情况下准确预测个体的运动模式。我们推导并评估了两个贝叶斯变形模型。这些模型被追溯地应用于一组前列腺癌患者的直肠壁。这些患者在放射治疗期间定期进行CT扫描。每个模型被用来创建覆盖概率矩阵(CPMs)。计算了这些CPMs与“真实” CPMs之间的空间相关性，这些“真实” CPMs是从同一患者的独立扫描中得出的。与仅采用患者特异性或人群派生模型相比，使用贝叶斯变形模型的空间相关性与真实情况更高，输入为1、2或3次患者特异性扫描。统计运动模拟表明，这个结果也适用于超过3次扫描的情况。与已知模型相比的改进意味着需要更少的患者扫描次数才能实现准确的变形预测。这些模型在强大的放射治疗计划和评估等方面具有应用价值。
作者：{O}yvind Lunde R{o}rtveit, Liv Bolstad Hysing, Andreas St{o}rksen Stordal, Sara Pilskog
论文ID：2210.15296
分类：Medical Physics
分类简称：physics.med-ph
提交时间：2022-11-18