非共面放疗中基于深度学习的在线剂量计算与射束选择
摘要：非共面调强放射疗法（IMRT）通过将携带辐射束和患者床的转台以非共面方式定位，从而更准确地瞄准癌症区域并更好地避开风险器官。非共面治疗轨迹的使用显著增加了自由度和灵活性，但同时也大大增加了优化的复杂性。在反向计划优化中，通常预先计算并预先加载所有潜在射束方向的剂量贡献到治疗计划系统（TPS）中。从共面IMRT转变为非共面IMRT时，剂量矩阵的大小变得更加关键，因为射束的数量大大增加。一个解决方案是在优化过程中“即时”计算每个新的候选射束的剂量贡献。这只有在剂量计算引擎足够快以在线使用时才可能，这在常规方法中并不适用。因此，在这项工作中，我们提出了一种使用基于深度学习的剂量引擎在线计算剂量矩阵的IMRT优化方案。所提出的深度学习方法将与基于模拟退火的非共面IMRT优化方法相结合。由于剂量引擎将在优化过程中在线计算剂量贡献，所以最终的主要优化方法需要在内存中保留一个非常轻量级的剂量矩阵。所提出的方法与临床数据进行了比较，显示了治疗计划剂量学方面的良好一致性。所提出的方法的主要优势是在优化过程中将内存存储从9GB减少到10MB。
作者：Fang Guo and Franklin Okoli and Ulrike Schick and Dimitris Visvikis and Antoine Valeri and Julien Bert
论文ID：2305.07551
分类：Medical Physics
分类简称：physics.med-ph
提交时间：2023-05-16