原題
Predicting the 3-Dimensional Dose Distribution of Multi-Lesion Lung Stereotactic Ablative Radiotherapy with Generative Adversarial Networks.
背景:肺転移に対する定位的切除放射線療法(SABR)の使用の増加は、局所制御と毒性のバランスをとるために最適な投薬と分割を必要とする。本研究の目的は、複雑な多病変SABR計画における実時間線量測定予測のための敵対的生成ネットワーク(GAN)を開発することである。
方法:GANは、計画CTスキャンと用量推定値を利用して、SABR患者データで訓練された。計画は訓練セットと評価セットに分けられ、モデルの性能は様々な指標を用いて評価された。
結果:125の計画の中で、GANはリスクのある臓器に対して<3 Gyの平均絶対差と>90%のガンマパス分画を達成した。
結論:GANは多病変肺SABRにおける3-D線量測定を効果的に予測し、治療の実行可能性評価と線量測定変動の探索を容易にした。
Journal: Int J Radiat Oncol Biol Phys (CiteScore 2022: 11)
DOI: 10.1016/j.ijrobp.2024.07.2329
PMID: 39154905
コメント