|
|
پیش بینی توزیع دز هدف و ارگان های در معرض خطر در فرآیند پرتودرمانی سرطان پستان به روش یادگیری عمیق
|
|
|
|
|
نویسنده
|
خسروی نازنین ,نوری زاده واحد دهکردی عظیمه ,عظیمی فر فرهاد ,مهدی مهدوی سید ربیع
|
منبع
|
اولين كنفرانس بين المللي ايده هاي نو در مهندسي برق - 1402 - دوره : 1 - اولین کنفرانس بین المللی ایده های نو در مهندسی برق - کد همایش: 02230-21684 - صفحه:0 -0
|
چکیده
|
در این مطالعه، از یادگیری عمیق برای پیشبینی توزیع دوز 3dcrt با استفاده از ویژگیهای تشریحی در برنامهریزی ct برای سرطان پستان سمت چپ استفاده شد و عملکرد این رویکرد با توزیع دوز مرجع مقایسه شد. مدل u-net ما شامل لایههای شبکه عصبی کانولوشن برای خروجی توزیع دوز با توجه به هدف ورودی، کانتورهای oar و اطلاعات تشریحی (ct) بود (شکل 1). مطالعات زیادی در خصوص پیش بینی دوز مبتنی بر یادگیری عمیق در مورد تومورهایی که در مرکز بدن قرار دارند، مانند تومورهای سرطانی رکتوم و پروستات انجام شده است. اما در مورد سرطان پستان، موقعیت آناتومیک هدف نزدیک به خارج از بدن در ناحیه ریه چپ است و تطابق دوز در آن، کمتر از مورد پروستات است. رویکرد استفاده از یادگیری عمیق برای پیشبینی توزیع دوز پذیرفتهشده بالینی در مورد ناهمگنی در اطراف هدف، متفاوت از موارد استفاده شده در مطالعات قبلی است. مدل یادگیری عمیق ما پیشبینیهای دوزی را انجام داد که نشان داد پیشبینی دوز با استفاده از یادگیری عمیق امکانپذیر است. علاوه بر این، برنامهریزی پرتودرمانی بر اساس دوز پیشبینیشده با استفاده از یادگیری عمیق، روند پرتودرمانی را با کاهش زمان مورد نیاز برای برنامهریزی و در عین حال حفظ کیفیت برنامه بهبود میبخشد.
|
کلیدواژه
|
سرطان پستان ، پرتو درمانی ، یادگیری عمیق
|
آدرس
|
, iran, , iran, , iran, , iran
|
پست الکترونیکی
|
srmahdavi@hotmail.com
|
|
|
|
|
|
|
|
|
|
|
|
Authors
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|