换一批基于SSA-LSTM的放射疗法中腮腺剂量预测模型研究
Study on the Prediction Model of Parotid Gland Dose in Radiotherapy Based on SSA-LSTM
摘要目的 为实现个性化的肿瘤治疗和提高治疗效果,开发一种精确预测放射疗法中腮腺剂量的模型.方法 采用长短期记忆神经网络(Long Short-Term Memory,LSTM)结合麻雀搜索算法(Sparrow Search Algorithm,SSA)进行参数优化,建立腮腺剂量预测模型.收集多种与剂量预测相关的数据因素,并与其他模型进行比较和分析,验证模型的精度和预测误差.结果 SSA-LSTM模型在腮腺D15、D30、D45和Dmean的剂量预测方面表现出更高的准确性和稳定性.其中,在预测腮腺D15测试集时,SSA-LSTM的平均绝对误差(Mean Absolute Error,MAE)为0.2966,拟合优度R2为0.9663.SSA-LSTM相对于LSTM、基于遗传算法优化的LSTM、利用灰狼优化算法的LSTM的MAE下降率分别为40.93%、33.39%、25.51%,R2提升率分别为8.06%、4.49%和3.03%,证明了SSA-LSTM模型相对于其他优化算法在放射疗法中对腮腺剂量预测方面的优越性.泰勒图的分析也证实了SSA-LSTM模型的可靠性和稳定性.结论 采用SSA算法优化的LSTM模型可显著提高腮腺剂量的预测准确性.该模型有望扩展到其他放射疗法领域,对医疗领域具有积极的社会意义.
更多相关知识
关键词
放射治疗个体化剂量预测腮腺剂量麻雀搜索算法长短期记忆神经网络radiotherapyindividualized dose predictionparotid gland dosesparrow search algorithmlong short-term memory neural network
分类号
R730.55
栏目名称
DOI
10.3969/j.issn.1674-1633.2024.05.008
发布时间
2024-05-28（万方平台首次上网日期，不代表论文的发表时间）
- 浏览21
- 被引1
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
