Оптимизация модели глубокого обучения для определения доз-профилей в протонной терапии

arXiv: 2610,08843v 1 Annualce Type: новый резюме: Протонская терапия предлагает дозиметрическое преимущество по сравнению с обычной радиотерапевтией через пик Брегга, что позволяет получать точную дозу опухоли при сохранении окружающей ткани. Моделирование Монте-Карло (МС) обеспечивает наиболее точный расчет дозы, но в расчетах является дорогостоящим для клинических рабочих процессов. Обнадеживающий компромисс заключается в том, чтобы смоделировать на основе сокращения числа первичных данных и восстановить высокое качество распределения доз путем глубокого обесценивания. В рамках этой работы в качестве тематического исследования мы берем трехмерный U-Net из последней литературы и изучаем два усовершенствования, имеющие решающее значение для клинического развертывания. Во-первых, мы заменяем стандартную цель обучения MSE на разный размер потерь в размере $gamma-index, распространяющийся на местные 3D операции и демонстрируем, что прямая оптимизация клинической оценки позволяет получить средний коэффициент перехода гаммы 99,47/% при 2 мм/2 ±% и 95,672/% при 1mm/1\проценте на испытательном наборе по сравнению с 92,10/ и 7%