文献

J-GLOBAL ID：202002253268598797   整理番号：20A2229830

陽子放射線治療のための深層学習によるコーンビームCT誘導相対阻止能マップ生成【JST・京大機械翻訳】

Cone-beam CT-derived relative stopping power map generation via deep learning for proton radiotherapy

著者 (10件)： Harms Joseph (Department of Radiation Oncology and Winship Cancer Institute, Emory University, Atlanta, GA, 30322, USA) ,  Lei Yang (Department of Radiation Oncology and Winship Cancer Institute, Emory University, Atlanta, GA, 30322, USA) ,  Wang Tonghe (Department of Radiation Oncology and Winship Cancer Institute, Emory University, Atlanta, GA, 30322, USA) ,  McDonald Mark (Department of Radiation Oncology and Winship Cancer Institute, Emory University, Atlanta, GA, 30322, USA) ,  Ghavidel Beth (Department of Radiation Oncology and Winship Cancer Institute, Emory University, Atlanta, GA, 30322, USA) ,  Stokes William (Department of Radiation Oncology and Winship Cancer Institute, Emory University, Atlanta, GA, 30322, USA) ,  Curran Walter J. (Department of Radiation Oncology and Winship Cancer Institute, Emory University, Atlanta, GA, 30322, USA) ,  Zhou Jun (Department of Radiation Oncology and Winship Cancer Institute, Emory University, Atlanta, GA, 30322, USA) ,  Liu Tian (Department of Radiation Oncology and Winship Cancer Institute, Emory University, Atlanta, GA, 30322, USA) ,  Yang Xiaofeng (Department of Radiation Oncology and Winship Cancer Institute, Emory University, Atlanta, GA, 30322, USA)
資料名： Medical Physics  (Medical Physics)
巻： 47  号： 9  ページ： 4416-4427  発行年： 2020年 
JST資料番号： A1258A  ISSN： 0094-2405  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： PURPOSE:強度変調陽子療法(IMPT)において,プロトンは,高度に共形線量分布,標的化腫瘍を送達し,臓器リスクを節約するために使用される。しかし,患者セットアップと相対阻止能(RSP)計算の両方の不確実性のため,治療計画中の治療量にマージンを加え,正常組織への高用量を導いた。コーンビームコンピュータ断層撮影(CBCT)画像を治療前に毎日撮影した。しかし,CBCTの貧弱な画像品質は,オンライン線量計算のためにこれらの画像の使用を制限する。本研究では,毎日のCBCT画像からRSPマップを予測するために深層学習ベース法を用いて,適応放射線療法に向けたステップでのオンライン線量計算を可能にした。方法:23頭頚部癌患者を,Siemens TwinBeam二重エネルギーCT(DECT)スキャナを用いてシミュレートした。混合エネルギースキャン(120kVp単一エネルギーCTスキャンと等価)を,処理計画のためにRSPマップに変換した。コーンビームコンピュータ断層撮影画像を治療の最初の日に撮影し,計画RSPマップをこれらの画像に登録した。構造的およびコントラスト保存のために設計された複合損失関数に依存するサイクル-GANアーキテクチャに基づく深層学習ネットワークを次に訓練して,CBCT画像からRSPマップを作成した。評価にはleave-one-outとouthout交差検証法を使用し,平均絶対誤差(MAE),平均誤差(ME),ピーク信号対雑音比(PSNR),および構造類似性(SSIM)を用いてCTベースとCBCTベースのRSPマップの違いを定量化した。”SSIM”は,CTベースとCBCTベースのRSPマップとの差を定量化するのに用いた(SSIM,PSNR,およびSSIM)。”SSIM”は,平均絶対誤差(MAE),平均誤差(ME),ピーク信号対ノイズ比(PSNR),および構造類似性(SSIM)を用いた。提案方法を,グランドトルースと2つの他の深い学習方式として取られた変形可能な画像登録ベースの方法と比較した。再シミュレーションを受けた1人の患者に対して,新しい計画RSPマップとCBCT画像を,更なる評価と検証のために使用した。結果:CBCTに基づくRSP生成法を,23頭の頭頚部癌患者で評価した。leave-one-outテストから,CTベースとCBCTベースのRSPの間のMAEは0.06±0.01であり,MEは-0.01±0.01であった。提案した方法は,計画CTと比較して,MAEとMEに関して比較DL法を統計的に凌駕した。線量比較に関して,3%/3mmの平均ガンマ通過率は,三次元(3D)ガンマ指数が計画ごとに計算され,ガンマ指数がフィールドあたり計算されたとき,96%であった。結論:提案方法はCBCT画像から十分に正確なRSPマップ生成を提供し,CBCTに基づく日常線量の評価を可能にし,IMPTのためのCBCT誘導適応治療計画を可能にする。Copyright 2020 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： SN比 ,  コントラスト ,  シミュレーション ,  *陽子 ,  *学習 ,  *放射線療法 ,  放射線量 ,  走査装置 ,  三次元 ,  ターゲティング ,  頭頚部腫瘍 ,  治療計画 ,  計算機トモグラフィー
準シソーラス用語： オンライン ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： コーンビームCT ,  深層学習 ,  陽子療法 ,  相対阻止能

分類 (1件)： 腫ようの放射線療法  (GE03034K)

タイトルに関連する用語 (7件)： 陽子 ,  放射線治療 ,  深層学習 ,  コーンビームCT ,  誘導 ,  阻止能 ,  マップ