Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Fluence Map Prediction with Deep Learning: A Transformer-based Approach

Created by
  • Haebom
Category
Empty

저자

Ujunwa Mgboh, Rafi Sultan, Dongxiao Zhu, Joshua Kim

개요

본 연구는 종양 부위의 최대 커버리지와 정상 조직의 최소 선량을 목표로 하는 IMRT(Intensity-Modulated Radiation Therapy)에서 정확한 플루언스 맵 예측을 위한 딥러닝 프레임워크를 제시한다. 3D Swin-UNETR 네트워크를 활용하여 CT 이미지와 해부학적 윤곽선으로부터 9개 빔 플루언스 맵을 직접 예측하도록 학습했다. 이 모델은 지역 해부학적 구조와 장거리 공간 의존성을 포착하기 위해 계층적 자기 주의 메커니즘을 사용한다. 99개의 전립선 IMRT 사례(79개 훈련, 20개 테스트)를 사용했으며, 예측된 플루언스 맵은 Eclipse 치료 계획 시스템에서 선량을 재계산하는 데 사용되었다. 모델 성능은 빔별 플루언스 상관관계, 공간 감마 분석, DVH(Dose-Volume Histogram) 지표를 사용하여 평가되었다.

시사점, 한계점

•
시사점:
◦
Swin-UNETR 프레임워크는 해부학적 입력으로부터 직접적인 자동 플루언스 맵 예측을 가능하게 한다.
◦
공간적 일관성, 정확성, 효율성을 향상시킨다.
◦
자동 IMRT 계획 생성을 위한 확장 가능하고 일관된 솔루션을 제공한다.
◦
평균 R^2 0.95, MAE 0.035, 감마 통과율 85%를 달성하여 우수한 성능을 보였다.
◦
DVH 매개변수에서 임상 계획과 유의미한 차이가 없었다.
•
한계점:
◦
논문 자체에서 한계점에 대한 언급이 없음.
👍
Made with Slashpage