شماره ركورد كنفرانس :
5467
عنوان مقاله :
پيش بيني توزيع دز هدف و ارگان هاي در معرض خطر در فرآيند پرتودرماني سرطان پستان به روش يادگيري عميق
پديدآورندگان :
خسروي نازنين دانشجوي دكتري مهندسي هسته اي - پرتو پزشكي ، دانشگاه آزاد اسلامي واحد اصفهان (خوراسگان). اصفهان، ايران , نوري زاده واحد دهكردي عظيمه گروه فيزيك، دانشكده مهندسي كامپيوتر، واحد نجف آباد، دانشگاه آزاد اسلامي نجف آباد، ايران , عظيمي فر فرهاد f.azimifar@khuisf.ac.ir استاديار گروه مهندسي پزشكي، دانشگاه آزاد اسلامي واحد(خوراسگان)، اصفهان، ايران , مهدي مهدوي سيد ربيع srmahdavi@hotmail.com دانشيار گروه فيزيك پزشكي، عضو هيات علمي دانشگاه علوم پزشكي ايران ، تهران، ايران
كليدواژه :
سرطان پستان , پرتو درماني , يادگيري عميق
عنوان كنفرانس :
اولين كنفرانس بين المللي ايده هاي نو در مهندسي برق
چكيده فارسي :
در اين مطالعه، از يادگيري عميق براي پيش‌بيني توزيع دوز 3DCRT با استفاده از ويژگي‌هاي تشريحي در برنامه‌ريزي CT براي سرطان پستان سمت چپ استفاده شد و عملكرد اين رويكرد با توزيع دوز مرجع مقايسه شد. مدل U-Net ما شامل لايه‌هاي شبكه عصبي كانولوشن براي خروجي توزيع دوز با توجه به هدف ورودي، كانتورهاي OAR و اطلاعات تشريحي (CT) بود (شكل 1). مطالعات زيادي در خصوص پيش بيني دوز مبتني بر يادگيري عميق در مورد تومورهايي كه در مركز بدن قرار دارند، مانند تومورهاي سرطاني ركتوم و پروستات انجام شده است. اما در مورد سرطان پستان، موقعيت آناتوميك هدف نزديك به خارج از بدن در ناحيه ريه چپ است و تطابق دوز در آن، كمتر از مورد پروستات است. رويكرد استفاده از يادگيري عميق براي پيش‌بيني توزيع دوز پذيرفته‌شده باليني در مورد ناهمگني در اطراف هدف، متفاوت از موارد استفاده شده در مطالعات قبلي است. مدل يادگيري عميق ما پيش‌بيني‌هاي دوزي را انجام داد كه نشان داد پيش‌بيني دوز با استفاده از يادگيري عميق امكان‌پذير است. علاوه بر اين، برنامه‌ريزي پرتودرماني بر اساس دوز پيش‌بيني‌شده با استفاده از يادگيري عميق، روند پرتودرماني را با كاهش زمان مورد نياز براي برنامه‌ريزي و در عين حال حفظ كيفيت برنامه بهبود مي‌بخشد.
