基于SSA-LSTM的放射疗法中腮腺剂量预测模型研究

作     者：陈旬旬 周丹丹 丁阅文 CHEN Xunxun;ZHOU Dandan;DING Yuewen

作者机构：蚌埠市第三人民医院肿瘤内科安徽蚌埠233000 蚌埠市第三人民医院病案室安徽蚌埠233000 蚌埠市第三人民医院血液内科安徽蚌埠233000 

出 版 物：《中国医疗设备》 (China Medical Devices)

年 卷 期：2024年第39卷第5期

页      面：41-47页

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 1001[医学-基础医学(可授医学、理学学位)] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 100106[医学-放射医学] 10[医学] 

主　　题：放射治疗 个体化剂量预测 腮腺剂量 麻雀搜索算法 长短期记忆神经网络 

摘      要：目的为实现个性化的肿瘤治疗和提高治疗效果,开发一种精确预测放射疗法中腮腺剂量的模型。方法采用长短期记忆神经网络(Long Short-Term Memory,LSTM)结合麻雀搜索算法(Sparrow Search Algorithm,SSA)进行参数优化,建立腮腺剂量预测模型。收集多种与剂量预测相关的数据因素,并与其他模型进行比较和分析,验证模型的精度和预测误差。结果SSA-LSTM模型在腮腺D15、D30、D45和Dmean的剂量预测方面表现出更高的准确性和稳定性。其中,在预测腮腺D15测试集时,SSA-LSTM的平均绝对误差(Mean Absolute Error,MAE)为0.2966,拟合优度R2为0.9663。SSA-LSTM相对于LSTM、基于遗传算法优化的LSTM、利用灰狼优化算法的LSTM的MAE下降率分别为40.93%、33.39%、25.51%,R2提升率分别为8.06%、4.49%和3.03%,证明了SSA-LSTM模型相对于其他优化算法在放射疗法中对腮腺剂量预测方面的优越性。泰勒图的分析也证实了SSA-LSTM模型的可靠性和稳定性。结论采用SSA算法优化的LSTM模型可显著提高腮腺剂量的预测准确性。该模型有望扩展到其他放射疗法领域,对医疗领域具有积极的社会意义。