原題
Integrating plan complexity and dosiomics features with deep learning in patient-specific quality assurance for volumetric modulated arc therapy.
背景:本研究は、容積変調アーク療法(VMAT)を受ける患者に対する患者特異的品質保証(PSQA)における計画の複雑さとdosiomicsの特徴を組み合わせた深層学習(DL)モデルの実現可能性とパフォーマンスを調査することを目的とした。
方法:測定されたPSQA結果を持つ合計201のVMAT計画をトレーニングセットとテストセットにランダムに分割した。パソコンメトリクスは自家製アルゴリズムを用いて計算し、dosiomics特徴はランダムフォレスト(RF)を用いて計画ターゲットボリューム(PTV)とオーバーラップ領域から抽出した。上位50のdosiomicsと5つのパソコン特徴を選択した。DL DenseNetをPSQA予測に適応させ、訓練した。
結果:VMAT計画の平均ガンマ通過率(GPR)は、異なる基準で97.94%、94.33%、および87.27%と測定された。パソコンの機能のみを備えたモデルのパフォーマンスが最も低かった。複合モデル(パソコン+dosiomics+DL)は、他のモデルと比較して改善された曲線下面積(AUC)値を示した。
結論:DLをdosiomicsおよびパソコンの指標と統合することは、VMATを受ける患者のPSQAにおけるGPRsの予測に有望である。
DOI: 10.1186/s13014-023-02311-7
Journal: Radiat Oncol
URL: https://doi.org/10.1186/s13014-023-02311-7
PMID: 37434171
Open Access
容積変調アーク療法の患者特異的な質の保証において、計画の複雑さとdosiomicsの特徴を深層学習と統合する。
Others
コメント