应用核密度估计方法预测妇科肿瘤放疗骨髓剂量研究

• 作者: 丛秀峰 陈俊 张婧超 张晓亭 卢再鸣
• 来源期刊: 中华放射肿瘤学杂志
• 关键词: 机器学习 核密度估计 剂量预测
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 物理·技术·生物
• 页码范围: 262-265
• 页数: 4页
• 语种: 中文
• DOI: 10.3760/cma.j.cn113030-20200216-00062

摘要

目的:基于核密度估计方法预测妇科肿瘤患者骶尾骨和盆骨骨髓剂量。方法:选取中国医科大学附属盛京医院治疗的15例妇科肿瘤限制骶尾骨和盆骨骨髓剂量的放疗计划作为机器学习的训练数据，另选取10例该类计划作为模型的验证数据，计算器官内各剂量点与计划靶区边缘的最小有向距离。应用核密度估计方法训练模型，并用均方根差来评估模型预测的准确性。使用该模型预测实际计划的骶尾骨和盆骨骨髓剂量，对预测的剂量体积直方图(DVH)和实际结果进行线性拟合，使用拟合优度R 2来评估模型预测效果。 结果:在计划要求的DVH参数上，模型预测与验证计划较为接近：盆骨V 40Gy差为2.0%，平均剂量差为1.6　Gy，骶尾骨V 10Gy差为-0.4%。在非计划要求的DVH参数上，模型预测值除盆骨V 10Gy外，其余参数值均明显偏高。在实际病例应用中，模型预测的DVH与最终计划的差异很小，骶尾骨和盆骨骨髓的R 2分别为0.988和0.995。 结论:使用基于核密度估计方法的模型可以较准确预测骶尾骨和盆骨骨髓剂量，通过模型预测剂量也可以作为一种保障计划质量的方法，提高计划的一致性和质量。