您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览142 | 下载180

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.

作者:白雪;王彬冰;邵凯南;杨一威;单国平;陈明

来源:中华放射肿瘤学杂志 2020 年 29卷 2期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:142 | 下载:180
作者:
白雪;王彬冰;邵凯南;杨一威;单国平;陈明
来源:
中华放射肿瘤学杂志 2020 年 29卷 2期
标签:
肺肿瘤/立体定向放射疗法 机器学习 剂量体积直方图 Lung neoplasm/stereotactic body radiotherapy Machine learning Dose volume histogram
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.

Baidu
map