利用深度学习提升肺癌调强质子治疗笔形束剂量计算准确性

摘要

目的 质子笔形束(PB)剂量计算可实现快速剂量计算,但在处理组织不均匀度大的区域时误差较大,而蒙特卡洛(MC)剂量计算是最精准的方法但非常耗时;深度学习技术可以通过学习PB和MC剂量分布之间的差异,将剂量计算准确度从PB水平提高到MC水平.方法 基于HD U-Net神经网络,开发了一个可将肺癌调强质子治疗患者的PB剂量转换为MC剂量的模型.该模型以患者PB剂量和CT图像作为输入来预测MC剂量.27例非小细胞肺癌患者的射束剂量和CT图像在被旋转到同一角度并作归一化后被用于模型训练与测试.模型的准确性通过比较预测剂量与MC剂量的均方误差和1 mm/1％标准的γ通过率等评估.结果 模型预测剂量与MC剂量相当吻合,测试病例1 mm/1％标准的平均γ通过率(剂量值超过最大MC剂量10％的体素)达到(92.8±3.4)％.模型预测所有测试病例的MC剂量所需平均时间为(6.72±2.26)s.结论 成功开发了可以快速准确地从PB剂量和CT图像预测MC剂量的深度学习模型,并可用于提高肺癌调强质子治疗PB剂量计算精度.