换一批基于卷积神经网络的宫颈癌调强放疗剂量预测方法
Convolutional neural network based dose prediction method for intensity-modulated radiotherapy of cervical cancer
摘要目的:建立一个卷积神经网络模型用于宫颈癌调强放疗的剂量分布,并评估它在实现自动计划方面的潜在应用.方法:采用100例女性盆腔调强放疗计划,80例为训练集,10例为验证集,10例为测试集,在三维深度残差网络模型基础上搭建剂量预测模型,预测三维剂量分布.通过CT影像以及RT Structure文件提取出危及器官以及计划靶体积的掩模.将不同结构按照密度赋值图进行密度赋值,赋值后的CT掩图作为训练模型的输入图像.利用获取的最优模型实现三维剂量预测分布,将预测结果与手工计划设计的剂量分布进行剂量学比较.结果:在10例测试集上的实验结果显示,临床剂量学参数差异较小,在临床可接受范围内.10例测试集病例平均绝对误差MAE为(0.58±0.16)Gy,平均DSC系数为0.90±0.03,HD95为(10.61±7.17)mm.预测模型直肠的V45和小肠的D2 cc与手动计划相比,略有降低,左右侧股骨头的V20较手工计划有所降低;预测模型PTV的D95与人工计划相比有所降低,PTV的D90、HI和CI指数差异较小,两者的三维剂量分布差异较小,模型预测的剂量分布可满足临床要求.结论:基于卷积神经网络的剂量预测模型可以准确预测宫颈癌调强放疗的剂量分布,有望用于自动计划设计和质量评估等.
更多相关知识
关键词
宫颈癌剂量预测卷积神经网络调强放疗cervical cancerdose predictionconvolutional neural networkintensity-modulated radiotherapy
栏目名称
DOI
10.3969/j.issn.1005-202X.2025.04.001
发布时间
2025-05-13（万方平台首次上网日期，不代表论文的发表时间）
- 浏览15
- 被引1
- 下载12
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
