यह शोधपत्र प्रोटॉन बीम थेरेपी (PAT) में इष्टतम ऊर्जा परत (EL) अनुक्रमों के त्वरित पूर्व-चयन हेतु एक अप्रशिक्षित गहन शिक्षण मॉडल, SPArc_dl, प्रस्तावित करता है। मौजूदा विधियों की तुलना में कम्प्यूटेशनल भार और विस्तारित उपचार समय को कम करने के लिए, हम एक नवीन आँकड़ा निरूपण, स्पॉट काउंट निरूपण प्रस्तुत करते हैं, जो लक्ष्य और जोखिमग्रस्त अंगों (OAR) से होकर गुजरने वाले प्रोटॉन स्पॉट्स की संख्या को कूटबद्ध करता है। U-Net आर्किटेक्चर, SPArc_dl, एक त्रि-उद्देश्यीय फलन के साथ प्रशिक्षित होता है: लक्ष्य स्पॉट्स की संख्या को अधिकतम करना, OAR स्पॉट्स की संख्या को न्यूनतम करना, और EL स्विचिंग समय को कम करना। 35 ग्रसनी कैंसर रोगियों के आँकड़ों का उपयोग करके किए गए मूल्यांकन परिणाम दर्शाते हैं कि मौजूदा विधि, SPArc_ps की तुलना में SPArc_dl, योजना की गुणवत्ता और वितरण दक्षता, दोनों में सुधार करता है। विशेष रूप से, यह फिटनेस सूचकांक में 0.1 का सुधार करता है, समरूपता सूचकांक में 0.71 की कमी करता है, औसत ब्रेनस्टेम खुराक में 0.25 की कमी करता है, और EL स्विचिंग समय को 37.2% कम करता है। अनुमान लगाने का समय 1 सेकंड से भी कम है, और हम दिखाते हैं कि EL संक्रमणों के क्रम को न बदलना ज़्यादा समय-कुशल है। हालाँकि, SPArc_dl योजना मज़बूती की सीमाएँ दिखाती है।
