典型文献
深度强化学习在直肠癌IMRT自动计划的应用
文献摘要：
目的:对于调强放疗(IMRT)计划,优化过程较为耗时,且计划的质量取决于计划人员的经验和时间,本文探讨并实现一种无监督IMRT自动优化的方案,使其能够模拟人工操作方式进行治疗计划优化.方法:本研究基于深度强化学习框架,提出一种优化调整决策网络(OAPN)自动化计划优化的方法.利用Varian Eclipse 15.6 TPS的脚本应用程序接口(ESAPI)实现OAPN与TPS之间的交互,以剂量体积直方图作为信息输入,通过强化学习的训练方式,OAPN学习TPS中目标参数的调整策略,从而逐步改善并获得较高质量的计划.实验从临床数据库中选取18例既往已完成治疗的直肠癌病例,其中5例计划案例用于OAPN网络训练,其余13例计划案例用于评估训练后OAPN的可行性与有效性,引入第三方计划评分工具来衡量计划质量.结果:用于测试的13例直肠癌计划,使用统一的初始优化目标参数(OOPs)所获得的平均得分为(45.53±4.58)分(计划得分上限值为110),经过OAPN对OOPs调整后计划所获得的平均得分为(88.67±6.74)分.结论:OAPN借助ESAPI实现与TPS之间数据交互,通过深度强化学习的方式形成行为价值策略,经过训练后的OAPN可以对目标参数进行高效率的调整,同时获得较高质量计划.
文献关键词：
直肠癌;自动优化;深度强化学习;脚本应用程序接口;优化调整决策网络
中图分类号：
作者姓名：
王翰林;刘嘉城;王清莹;岳海振;杜乙;张艺宝;王若曦;吴昊
作者机构：
北京大学肿瘤医院暨北京市肿瘤防治研究所放疗科/恶性肿瘤发病机制及转化研究教育部重点实验室,北京100142
文献出处：
引用格式：
[1]王翰林;刘嘉城;王清莹;岳海振;杜乙;张艺宝;王若曦;吴昊-.深度强化学习在直肠癌IMRT自动计划的应用)[J].中国医学物理学杂志,2022(01):1-8
A类：
优化调整决策网络,OAPN,脚本应用程序接口,ESAPI,计划案,OOPs
B类：
深度强化学习,直肠癌,IMRT,自动计划,调强放疗,无监督,自动优化,模拟人工,人工操作,操作方式,治疗计划,计划优化,自动化计划,Varian,Eclipse,TPS,剂量体积直方图,信息输入,训练方式,调整策略,临床数据,癌病,网络训练,评分工具,计划质量,优化目标,上限值,数据交互,形成行为,行为价值,经过训练,质量计划
AB值：
0.267269
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
