基于深度学习的直肠癌术后调强放疗剂量分布预测

作     者：周解平 彭昭 王鹏 常艳奎 盛六四 吴爱东 钱立庭 裴曦 Zhou Jieping;Peng Zhao;Wang Peng;Chang Yankui;Sheng Liusi;Wu Aidong;Qian Liting;Pei Xi

作者机构：中国科学技术大学附属第一医院安徽省立医院放疗科合肥230031 中国科学技术大学物理学院工程应用物理系合肥230026 中国科学技术大学国家同步辐射实验室合肥230029 

出 版 物：《中华放射医学与防护杂志》 (Chinese Journal of Radiological Medicine and Protection)

年 卷 期：2020年第40卷第9期

页      面：679-684页

核心收录：

学科分类：1002[医学-临床医学] 100214[医学-肿瘤学] 10[医学] 

基　　金：安徽省自然科学基金(1908085MA27) 安徽省重点研究与开发计划(1804a09020039) 国科学技术大学附属第一医院西区青年基金(2018YJQN014)的资助 

主　　题：深度学习 剂量预测 直肠癌 调强放疗 

摘      要：目的建立一种深度学习模型预测调强放疗(IMRT)的三维剂量分布。方法收集直肠癌术后IMRT患者共110例,随机数表法选择其中90例作为训练验证集并作9折交叉验证,剩下20例作为测试集。构建3D U-Res-Net模型,以CT影像、靶区和危及器官(OARs)的解剖结构以及射束信息作为输入,IMRT剂量作为输出训练该模型,并用来预测测试集病例的剂量分布。采用三维剂量分布以及剂量—体积直方图(DVH)剂量参数评估预测精确性。结果在三维剂量分布上,体素剂量的平均预测偏差为-2.12%~2.88%、平均绝对误差为2.55%~5.75%;等剂量面的Dice系数均在0.9以上,平均霍夫距离(HD95)和平均表面距离(MSD)分别0.61~1.54 cm和0.21~0.45 cm。对于DVH剂量参数,除膀胱Dmean(P=0.048)以外,其他剂量学参数差异均无统计学意义(P0.05)。结论基于3D U-Res-Net模型可以实现直肠癌术后IMRT剂量分布预测,为自动计划设计奠定基础。