Bài báo này đề xuất SPArc_dl, một mô hình học sâu không giám sát để lựa chọn trước nhanh các chuỗi lớp năng lượng (EL) tối ưu trong liệu pháp chùm tia proton (PAT). Để giải quyết gánh nặng tính toán và thời gian điều trị kéo dài so với các phương pháp hiện có, chúng tôi giới thiệu một biểu diễn dữ liệu mới, biểu diễn đếm điểm, mã hóa số điểm proton đi qua mục tiêu và các cơ quan có nguy cơ (OAR). SPArc_dl, một kiến trúc U-Net, được đào tạo với hàm mục tiêu ba: tối đa hóa số điểm mục tiêu, tối thiểu hóa số điểm OAR và giảm thời gian chuyển đổi EL. Kết quả đánh giá sử dụng dữ liệu từ 35 bệnh nhân ung thư vòm họng cho thấy SPArc_dl cải thiện cả chất lượng lập kế hoạch và hiệu quả phân phối so với phương pháp hiện có, SPArc_ps. Cụ thể, nó cải thiện chỉ số phù hợp 0,1, giảm chỉ số đồng nhất 0,71, giảm liều trung bình thân não 0,25 và rút ngắn thời gian chuyển đổi EL 37,2%. Thời gian suy luận ít hơn 1 giây và chúng tôi chứng minh rằng việc không thay đổi thứ tự chuyển đổi EL sẽ tiết kiệm thời gian hơn. Tuy nhiên, kế hoạch SPArc_dl cho thấy những hạn chế về độ tin cậy.
