原題
Deep Learning-Based Heterogeneity Correction of the Homogeneous Dose Distribution for Single Brain Tumors in Gamma Knife Radiosurgery.
背景:脳腫瘍の放射線療法における正確な線量照射は、特に、骨構造の近くの不均一性にもかかわらず、しばしば均一な計算に依存するガンマナイフ放射線手術(GKRS)のような治療では極めて重要である。
方法:本研究では、122人のGKRS患者からの磁気共鳴画像法とコンピュータ断層撮影画像を用いて、TMR10線量を合成畳み込み(sConv)線量に変換するために敵対的生成ネットワークを訓練する合成線量計画法を開発した。
結果:sConv線量は実際の畳み込み線量と定性的及び定量的に類似しており、TMR10線量(74.18%)と比較して線量分布が改善された(sConvγ通過率:92.43%)。
結論:このアプローチは、GKRSにおける不均一性補正のための効率的な代替法を提供し、追加のCTスキャンの必要性を最小限に抑え、臨床ワークフローを改善する。さらなる検証により、その臨床的影響を高めることができる。
Journal: Adv Radiat Oncol (CiteScore 2022: 4.5)
DOI: 10.1016/j.adro.2025.101757
PMID: 40231287
コメント