目的 使用基于反向传播(BP)神经网络的机器学习方法对鼻咽癌患者的Gamma通过率建立预测模型,并评估其实用性.方法 收集2018-01-01-2020-10-31苏州大学附属第一医院放疗科收治的106例Ⅱ～Ⅲ期鼻咽癌患者临床资料,均采用同步加量9野均分动态调强治疗方案.提取患者放疗计划中与射野复杂性相关的31个指标,同时用map-check2测量954个射野的实际剂量分布,得到2％/2 mm、2％/3 mm、3％/2 mm和3％/3 mm(10％阈值和全局归一)4组参数下的Gamma通过率,将射野复杂度指标与4组Gamma通过率分别进行Spearman相关性分析,选择其中有统计学意义的指标作为神经网络学习的输入特征,90％数据作为训练集,10％数据作为测试集,对4组参数分别建立神经网络预测模型.结果 在与射野复杂性相关的31个指标中,调制复杂度、射野调制性等多个指标与测量Gamma通过率的Spearman相关系数差异有统计学意义,均P<0.05.2％/2 mm、2％/3 mm、3％/2 mm和3％/3 mm 4组神经网络模型预测的Gamma通过率最大偏差分别为4.10％、2.80％、3.20％和2.77％,其中99％的射野预测值与实际测量值的绝对偏差≤3％.结论 基于计划射野复杂性特征建立的BP神经网络模型可以对不同标准Gamma通过率进行准确预测,有助于提前发现Gamma通过率低的计划,对临床计划设计和放射治疗质量保证(QA)工作都具有一定的指导意义.

剂量验证;神经网络;Gamma通过率;鼻咽癌IMRT

陈龙;高韩;倪婕;涂彧;孙亮;秦颂兵

苏州大学附属第一医院放疗科,江苏 苏州 215123;苏州大学 放射医学与辐射防护国家重点实验室辐射防护与核安全研究中心,江苏苏州215006;苏州大学 江苏省高校放射医学协同创新中心,江苏苏州215006

中华肿瘤防治杂志

[1]陈龙;高韩;倪婕;涂彧;孙亮;秦颂兵-.鼻咽癌IMRT剂量验证中BP神经网络的应用)[J].中华肿瘤防治杂志,2022(10):736-741

check2,射野复杂度

鼻咽癌,IMRT,剂量验证,反向传播,机器学习方法,Gamma,通过率,苏州大学,放疗科,同步加量,调强治疗,放疗计划,map,剂量分布,神经网络学习,输入特征,训练集,测试集,神经网络预测模型,最大偏差,测量值,不同标准,准确预测,计划设计,放射治疗,治疗质量,质量保证,QA

0.298263