科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的：评估基于剂量差图与Gamma分布图的多模态多通路卷积神经网络用于分类调强放射治疗（IMRT）质量保证（QA）中多叶准直器（MLC）误差的可行性及优势。方法：首先通过修改选取的68例IMRT放疗计划原始无误差照射野的MLC叶片位置用于模拟4种误差类型：平移误差、外扩误差、内收误差、随机误差，并将原始无误差计划及4种引入MLC误差计划重新导入TPS，计算PTW 729模体中的剂量分布；其次从测量和计算的剂量分布中创建剂量差图和两种通过率标准下的Gamma图作为数据集建立并训练多模态多通路卷积神经网络，其中330个剂量误差图和660个Gamma图用于测试集，其余数据集按照五折交叉验证划分为训练集与验证集。根据测试集的预测结果，计算其总体分类准确度、宏平均F1值以及归一化混肴矩阵用于评估模型性能。结果：后融合卷积神经网络具有最高的总体分类准确度（0.855）和宏平均F1值（0.853），根据归一化混淆矩阵，MLC内收误差、外扩误差、无误差、随机误差、平移误差的平均分类准确度分别为0.98、1.00、0.66、0.63、1.00。结论：基于多模态误差图像的后融合卷积神经网络，其在总体分类准确度、宏平均F1值以及每种误差类型的特定分类准确度等方面均显示了该方法的可行性及准确性。
- 单位
