原題
Deep learning-based synthetic CT for dosimetric monitoring of combined conventional radiotherapy and lattice boost in large lung tumors.
背景:大きな肺腫瘍に対する従来の放射線療法は有効性が限られており、毒性が高い。本研究は、線量測定特性をモニタリングしながら、従来の放射線療法(CRT)と格子ブースト放射線療法(LRT)を統合した治療計画を作成することを目的とした。
方法:U-Net++深層学習モデルは、115人の肺癌患者のコーンビームコンピュータ断層撮影から合成CT(sCT)を生成し、画像の質と治療精度を評価した。腫瘍領域およびリスクのある臓器(OAR)への線量蓄積をCRT中にモニタリングし、sCTベースの適応LRTブースト計画につながった。
結果:sCTは、OAR線量の減少およびより高い腫瘍被覆率で、改善された画質および有効な線量モニタリングを示した。
結論:U-Net++モデルは、線量モニタリングの精度を高め、より安全なsCTベースのLRTブーストを可能にし、正確な治療を確保しながらOAR曝露を最小限に抑える。
Journal: Radiat Oncol (CiteScore 2022: 6.6)
DOI: 10.1186/s13014-024-02568-6
PMID: 39844209
コメント