基于深度學習方法預測IMRT計劃射野的γ通過率

段歡歡，李書舟，曹瑛，唐杜，雷明軍，楊振，邱小平

1.南華大學核科學技術學院，湖南衡陽421001；2.中南大學湘雅醫院腫瘤科，湖南長沙410008

前言

相比于常規的適形放療，調強放射治療（Intensity-Modulated Radiation Therapy,IMRT）的最大優勢是通過強度調制實現了靶區內高適形度的劑量分布，同時降低了周圍正常組織的受照量［1］。但是，IMRT也增加了治療過程中計劃劑量傳遞的不確定性，因此，必須制定全面的質量保證（Quality Assurance,QA）和質量控制（Quality Control,QC）程序以評估治療實施的可靠性和安全性［2-4］。目前，傳統的計劃QA 方法主要是在患者治療實施前對計劃進行二維或三維的劑量分布測量，并通過γ 分析方法將其與計劃系統計算的劑量分布進行比較來判斷計劃是否可行［5］。然而，這些測量過程需要耗費大量的時間和人力成本，對于那些沒能通過QA 測量的計劃，也很難確定其失敗的具體原因并加以糾正，這可能會延緩患者的放療進程［6］。因此，臨床上需要一種更精簡、更智能、能預先識別那些不能通過QA 測量計劃的方法。在本研究中，筆者基于深度學習方法建立卷積神經網絡（Convolution Neural Network,CNN）模型來預測腦膠質瘤患者IMRT計劃單個射野的γ 通過率（Gamma Passing Rates,GPR），以研究射野的劑量分布信息用于預測GPR 的可行性并探討改善模型預測精度的方法。這種虛擬QA 的方法將有助于物理師及時優化QA 測量潛在失敗的計劃，有效減少特定患者QA 的工作量并節約臨床資源［7］。

1 資料和方法

1.1 病例選取

選取2019年1月～2020年5月在本中心接受放療的48例腦膠質瘤患者的IMRT計劃，計劃設計過程都……