基于3D残差U-Net的放射治疗剂量分布预测

[目的]针对放射治疗中剂量分布预测结果精度低的问题,提出一种基于深度学习技术的肿瘤放疗三维剂量分布预测模型。[方法]选择130例宫颈癌患者数据,包括CT影像和靶区文件。通过基于卷积神经网络和残差块的深度学习U-Net模型,用于自动提取调强放疗放疗计划的CT影像、靶区和危及器官解剖结构群的多尺度和多层次特征图并进行三维剂量分布预测。采用定量分析方法,包括实际剂量与预测值之间的误差包括最大剂量(Dmax)、平均剂量(Dmean)、D99、D98、PTV56、PTV63和PTV70等。[结果]对于宫颈癌,根据检测结果绘制剂量-体积直方图,直接反映了真实剂量与预测剂量的差异,实际误差满足基本要求。[结论]通过深度学习模型的训练回归,拟合了调强放疗计划特征图参数与三维剂量分布之间的复杂非线性函数关系。在实际临床应用中,该训练模型可以准确预测新患者的个性化三维剂量分布。