简介：摘要目的研究基于全卷积网络的左侧乳腺癌放疗三维剂量分布预测方法，并对其预测精度进行评估。方法利用全卷积网络实现三维剂量分布预测。首先建立60例左侧乳腺癌患者的容积调强弧形治疗(VMAT)计划库，从库中随机选取10例作为测试集数据，其他50例作为训练集数据；然后，构建U-Net模型，利用该网络在器官结构矩阵和剂量分布矩阵间建立相关模型；最后，利用模型预测测试集病例的剂量分布，并将预测结果与实际计划结果比较。结果10例测试患者的PTV、患侧肺、心脏、双侧肺、脊髓的剂量平均绝对离差分别为(119.95±9.04)、(214.02±9.04)、(116.23±30.96)、(127.67±69.19)、(37.28±18.66) cGy。处方剂量80%、100%范围计划剂量和预测剂量的Dice相似性指数分别为0.92±0.01和0.92±0.01。处方剂量80%和10%范围内区域3 mm/3%标准的γ通过率分别为0.85±0.03、0.84±0.02。结论利用全卷积网络可实现左侧乳腺癌行VMAT患者的三维剂量分布预测。

简介：摘要目的研究基于机器学习算法的早期非小细胞肺癌立体定向放疗肺剂量预测方法和应用于计划质量控制的可行性。方法利用机器学习算法实现剂量预测。首先，建立专家计划库，提取计划库中的几何特征信息、照射野角度和剂量体积直方图(DVH)参数，在几何及照射野特征和DVH之间建立相关模型；其次，提取专家库外10例患者的几何和照射野特征信息，利用模型预测可实现的DVH值，并将其与实际计划结果比较。结果10例患者肺平均剂量和V20外部验证的均方根误差分别为91.95 cGy和3.12%。对肺受量高于预测剂量的2例计划进行修改，修改后肺剂量均有所降低。结论对非小细胞肺癌患者制定立体定向放疗计划前，可根据相关数学模型提前预测肺DVH曲线作为计划评估标准，从而保证治疗计划的质量。