15、人工智能在放射治疗中的应用与挑战

人工智能在放射治疗中的应用与挑战

1. 人工智能在调强放射治疗（IMRT）中的应用

1.1 预测IMRT质量保证（QA）失败率的算法

• 基于专家设计特征的算法 ：该算法预测IMRT QA失败率的准确性高于其他情况，但对机构有较高的依赖性。
• 基于卷积神经网络（CNN）的模型 ：可从计划的剂量分布估计IMRT QA的失败率，无需任何特殊特征。虽然其性能不如前者，但结合CNN模型和前者可提高预测准确性，且CNN算法能很好地进行机构间分析。
• 基于支持向量机（SVM）的算法 ：可预测哪些头颈（N&N）病例需要重新规划，但这些算法都处于开发阶段，若成功实施，可提高治疗效果和临床结果。

1.2 自动分割危及器官（OAR）的模型

为减少手动分割OAR和靶区带来的不确定性和不一致性问题，引入了自动分割模型，主要有以下两种：
- 基于图谱的自动分割（ABAS） ：
1. 使用先前图像和轮廓的模型图谱库，通过图像配准过程为相似患者创建新的轮廓集。
2. 对两幅CT图像中解剖结构相似的体素进行可变形配准。
3. 使用变形向量将先前的轮廓转移到新计划上。虽然该模型已在临床应用，但受图像伪影、噪声和低组织对比度影响，可通过提高图像配准过程的准确性进一步改进。
- 使用CNN的自动分割 ：许多基于CNN的图像分割模型解决了IMRT头颈部分割的相关问题，有良好的学习环