原題
Deep learning-based multiple-CT optimization: An adaptive treatment planning approach to account for anatomical changes in intensity-modulated proton therapy for head and neck cancers.
背景:強度変調陽子線治療(IMPT)は不確実性と解剖学的変化に対して脆弱である。本研究では、コーンビームCT(CBCT)から生成された多重CT(MCT)画像を用いたIMPT計画のためのディープラーニングの枠組みを提示する。
方法:U-netベースの深層学習モデルは、頭頸部がん患者55人のデータセットを利用して、MCT画像からロバストな線量を予測した。計画は、線量模倣アルゴリズムによって作成された。
結果:MCT計画は、一次計画CT計画と比較して、リスクのある臓器に対してより大きな頑健性および用量節約を示し、全ての試験患者に対して改善された用量指標を示した。
結論:毎日のCBCTをMCT最適化に組み込むことは、計画の頑健性を高め、治療における計画の適応を減らす可能性がある。
Journal: Radiother Oncol (CiteScore 2022: 10.5)
DOI: 10.1016/j.radonc.2024.110650
PMID: 39581351
コメント