摘要
摘要目的质子笔形束(PB)剂量计算可实现快速剂量计算，但在处理组织不均匀度大的区域时误差较大，而蒙特卡洛(MC)剂量计算是最精准的方法但非常耗时；深度学习技术可以通过学习PB和MC剂量分布之间的差异，将剂量计算准确度从PB水平提高到MC水平。方法基于HD U-Net神经网络，开发了一个可将肺癌调强质子治疗患者的PB剂量转换为MC剂量的模型。该模型以患者PB剂量和CT图像作为输入来预测MC剂量。27例非小细胞肺癌患者的射束剂量和CT图像在被旋转到同一角度并作归一化后被用于模型训练与测试。模型的准确性通过比较预测剂量与MC剂量的均方误差和1 mm/1%标准的γ通过率等评估。结果模型预测剂量与MC剂量相当吻合，测试病例1 mm/1%标准的平均γ通过率(剂量值超过最大MC剂量10%的体素)达到(92.8±3.4)%。模型预测所有测试病例的MC剂量所需平均时间为(6.72±2.26) s。结论成功开发了可以快速准确地从PB剂量和CT图像预测MC剂量的深度学习模型，并可用于提高肺癌调强质子治疗PB剂量计算精度。
出版日期
2021年08月14日（中国期刊网平台首次上网日期，不代表论文的发表时间）
