Speaker
Description
OPIS: W ostatnich latach coraz większą popularność zyskuje zastosowanie algorytmów uczenia maszynowego w medycynie. Ciekawym aspektem jest zastosowanie algorytmów w weryfikacji dozymetrycznej pacjentów.
CEL: Celem tego projektu jest wykorzystanie uczenia maszynowego do przewidywania parametru gamma dla kryteriów 2 % / 2 mm w dla pacjentów leczonych techniką VMAT.
METODA: Pierwszym etapem tego projektu było pozyskanie danych. Wykorzystano plany terapeutyczne oraz weryfikacje dozymetryczne z dozymetrii Portalowej (weryfikacja EPID) pacjentów onkologicznych leczonych w Narodowym Instytucie Onkologii, Państwowym Instytucie Badawczym im. Marii Skłodowskiej Curie w Warszawie, gdzie używane są akceleratory liniowe TrueBeam, firmy Varian (Palo Alto, USA). Do tego celu został stworzony skrypt w języku AutoHotKey. Z programu Portal Dosimetry pozyskano pliki dicom z planów leczenia: RT Plan, RT Image (predicted oraz measured) oraz wyniki z analizy gamma index w postaci pliku txt. Dane pochodziły z całego roku 2020, co dało ok. 1600 planów terapeutycznych. Wszystkie pliki zostały zanonimizowane. Drugim etapem projektu, było stworzenie bazy danych. Z plików zostały wydobyte wybrane parametry dla każdego planu leczenia (dawka frakcyjna, kąt kolimatora, pole szczęk, MCS – modulation complexity score), które następnie zostały użyte w modelach uczenia maszynowego jako dane wejściowe. Jako danych wyjściowych użyto parametru gamma index 2% / 2 mm. Trzecim etapem było wytrenowanie i przetestowanie różnych algorytmów uczenia maszynowego na tak przygotowanych parametrach, z użyciem biblioteki Scikit-Learn. Wykorzystano modele regresji liniowej i logistycznej, drzew decyzyjnych, losowego lasu
oraz algorytmy wzmacniające (AdaBoost, XGBoost).
WYNIKI: Zaprezentowane zostaną wyniki weryfikacji dozymetrycznej uzyskane za pomocą algorytmów uczenia maszynowego. Pierwsze rezultaty okazują się być bardzo obiecujące.
| Sesja | Radioterapia |
|---|
