束流掩模和滑动窗口辅助的基于深度学习准确高效剂量预测技术在铅笔束扫描质子疗法中的应用
摘要：DL技术在PBSPT剂量预测工作流程的高精度和平衡复杂性方面具有应用前景。该研究采用了103例前列腺癌患者和83例肺癌患者的PBSPT计划，并使用由本机开发的Monte-Carlo剂量引擎计算的CT、结构集和计划剂量。通过三个实验验证了三种方法的有效性，其中第一种方法是传统的感兴趣区域(ROI)方法，第二种方法是通过质子束的光线追踪生成的光束掩模方法，用于改善质子剂量预测，第三种方法是滑动窗口方法，用于进一步改善质子剂量预测。实验结果表明，光束掩模方法和滑动窗口方法都比传统的ROI方法改善了目标和器官风险区(DVH)指数的一致性。对于目标、器官风险区和区域体积，光束掩模方法和滑动窗口方法都能提高通过3D Gamma测试的通过率。相似的趋势也观察到了Dice系数上。所有测试案例的剂量预测都在0.25秒内完成。
作者：Lian Zhang, Jason M. Holmes, Zhengliang Liu, Sujay A. Vora, Terence T. Sio, Carlos E. Vargas, Nathan Y. Yu, Sameer R. Keole, Steven E. Schild, Martin Bues, Sheng Li, Tianming Liu, Jiajian Shen, William W. Wong, Wei Liu
论文ID：2305.18572
分类：Medical Physics
分类简称：physics.med-ph
提交时间：2023-05-31