原題
Cone Beam Computed Tomography-based Lung Function Imaging using Deep Learning for Functional Image-Guided Adaptative Radiation Therapy.
背景:肺機能は放射線療法中に変化する可能性があるが、ルーチンの機能的画像はRTに統合されておらず、機能的回避を制限している。この研究では、機能的画像誘導適応放射線療法(FIGART)を可能にするために、フラクショナルCBCTから灌流マップを合成しようとした。
方法:60人の肺癌患者(16人はRT後のSPECT)からの前向きデータを用いた。変形可能な畳み込みを有する3Dゲート付き注意U-Netは、CBCTから灌流を合成した。出力は、スピアマンR、SSIM、DSC、および線量測定分析を使用してSPECTと比較された。
結果:合成したマップは良い一致を示した(R 0.68±0.09、SSIM 0.75±0.09、DSC 0.76±0.07/0.85±0.05)。CBCTガイド下の計画は、高機能肺の平均線量を6.97±4.22 Gy、V20を13.54±8.66%減少させ、均一性を改善した。
結論:CBCTベースの深層学習潅流画像はFIGARTに対して実行可能であり、より大きな検証が必要である。
Journal: Int J Radiat Oncol Biol Phys (CiteScore 2022: 11)
DOI: 10.1016/j.ijrobp.2026.08.054
PMID: 42679907
コメント