微束放射治疗治疗计划的一步：基于3D U-Nets的快速峰值和谷值剂量预测
摘要：快速准确地预测剂量是微束放射治疗计划中的瓶颈之一。在本文中，我们提出了一种基于3D U-Net的机器学习(ML)模型。我们的方法分别预测狭窄高强度同步辐射微束和它们之间较低的谷底剂量的大剂量。为此，引入了宏观峰值剂量和宏观谷底剂量的概念，描述了不是在微观水平上而是作为较大体素中的宏观量的相应剂量。ML模型在训练时模仿全蒙特卡洛(MC)数据。因此，模型自动考虑了诸如极化等复杂的物理效应。 本研究中描述的宏观剂量分布方法允许将单个微束预测叠加到光束阵列场，使其成为治疗计划的一个有趣的候选方法。结果表明，所提出的方法可以克服微束剂量预测的主要障碍，仅在不到一分钟的时间内预测出完整的微束辐照场，并保持合理的准确性。
作者：Florian Mentzel and Micah Barnes and Kevin Kr"oninger and Michael Lerch and Olaf Nackenhorst and Jason Paino and Anatoly Rosenfeld and Ayu Saraswati and Ah Chung Tsoi and Jens Weingarten and Markus Hagenbuchner and Susanna Guatelli
论文ID：2211.11193
分类：Medical Physics
分类简称：physics.med-ph
提交时间：2022-11-22