原題
Improving the performance of deep learning models in predicting and classifying gamma passing rates with discriminative features and a class balancing technique: a retrospective cohort study.
背景:本研究は、機械パラメータ関連の特徴とクラスバランス技術を用いて、IMRTガンマ通過率(GPR)を予測するためのディープラーニング(DL)モデルの性能を強化することを目的とした。
方法:204の上咽頭がんIMRT計画(2348領域)からのデータを後ろ向きに分析した。特徴マップは動的ログファイルから作成され、SHAPフレームワークは再帰的な特徴除去に利用された。重み付きMSE損失を含む複数の微調整戦略を用いて、様々なUNet++モデルを訓練した。
結果:葉の速度とギャップの特徴を組み込んだモデルは、失敗したフィールドに対して改善された精度を示した。WMSE損失は最良のGPR予測を提供し、0.92のAUCを達成した。
結論:識別機械パラメータはGPR予測を強化し、より良い配送可能性のために計画最適化に統合することができる。
Journal: Radiat Oncol (CiteScore 2022: 6.6)
DOI: 10.1186/s13014-024-02496-5
PMID: 39085872
コメント