رويكرد شبكه عصبي كانولوشن در پيش بيني توزيع دز IMRT در بيماران مبتلا به سرطان مغز

اصفهان : دانشگاه صنعتي اصفهان

فيزيك

كارشناسي ارشد

در پرتودرماني با شدت مدوله شده، طي يك برنامه ريزي معكوس كه شامل تعيين حجم هدف و ساير ارگان هاي حساس و حياتي اطراف آن، و هم¬چنين تعيين محدوديت¬هاي دز براي آن¬ها مي باشد، به بهينه¬سازي توزيع دز بر اساس الگوريتم¬هاي بهينه¬سازي پرداخته مي¬شود كه فرايندي بسيار زمان¬بر است. طرح¬هاي درماني متفاوت كه توسط متخصصان مختلف ايجاد و مورد استفاده قرار مي¬گيرد، علاوه بر زمان¬بر بودن، باعث ايجاد تنوع در بين برنامه¬هاي طراحي شده، گرديده است. در نتيجه كيفيت طرح تعيين شده توسط برنامه¬ريزي معكوس به مهارت و تجربه متخصصان بستگي دارد. شبكه¬هاي عصبي عميق قادر به استخراج دانش از روي داده¬هاي دريافتي، و سپس استفاده از آن دانش در جهت شناسايي داده¬هاي جديد مي¬باشند. در اين پژوهش از شبكه عصبي كانولوشن براي فراگرفتن دانش موجود در برنامه¬ريزي درمان IMRT، در جهت پيش¬بيني توزيع دز براي بيماران مبتلا به سرطان مغز، استفاده شده است. در جهت پي¬بردن به ميزان اهميت وجود ارگان¬هاي سالم اطراف تومور در تعيين پيش¬بيني توزيع دز توسط شبكه، به دو روش مختلف به آموزش شبكه عصبي پرداختيم. در روش اول فقط از تصاوير شامل PTV و توزيع دز مرتبط با آن براي آموزش شبكه استفاده شده، در حالي كه در روش دوم علاوه بر PTV، برخي ارگان¬ها نيز در نظر گرفته شده تا شبكه تاثير حضور آن¬ها در پيش¬بيني توزيع دز را فرا بگيرد. نتايج حاكي از بالا بودن دقت در دو روش بوده و يكسان بودن تقريبي عملكرد دو روش را نشان مي¬دهد. با اين تفاوت كه به دليل حجم كم¬تر داده¬ها (از نظرتعداد و هم¬چنين دوبعدي بودن) در روش اول، زمان كم¬تري صرف آموزش شبكه نسبت به روش دوم شده و اين امر موجب تسريع در فرايند برنامه¬ريزي درمان خواهد شد.

211526

هسته اي

فيزيك

دانشگاه صنعتي اصفهان

مازيار ايران نژاد

احمد شيراني بيدآبادي، آذر تفريحي

مريم حسنوند، ايرج عابدي