可行性研究的适应性放疗使用人工智能autosegmentation基于MR-Linac食道癌

1介绍

食道癌(EC)是最常见的恶性肿瘤之一,全球发病率的3.2% (1)。在所有恶性肿瘤方面排名第七的共性,死亡率为5.3%,排名第六,5年生存率仅为20% (2)。患者拒绝手术无法切除或局部晚期EC,放射治疗是最好的治疗方案(3,4)。

然而,常规放射治疗不能完全解决固有的运动食道intrafraction时期后,目标区域的凹陷interfraction时期肿瘤位置和形状的变化,但MR-Linac的出现解决了这些问题(5)。统一MR-Linac (Elekta AB,斯德哥尔摩,瑞典)集成了一个7 MV线性加速器和1.5 T诊断磁共振扫描仪(6,7),并提供adapt-to-position (ATP)和adapt-to-shape (ATS)工作流。ATP工作流只要求注册在线参考CT和MRI,纠正计划等深点的位置,再优化计划。尽管ATP工作流所需的时间短,剂量的准确性无法保证交付。ATS的工作流,有必要redelineate感兴趣的区域(roi)适应在线器官的变化。同时提高剂量的精度交货,治疗时间大大延长。因此,短期治疗时间和精确的剂量交付不能同时实现(8)。

总的来说,当前的主要任务是提高速度的在线ROI ATS工作流描述,较低的描述时间的概率会减少病人位移,提高剂量的准确性。幸运的是,自动出现的人工智能(AI)的界定不仅保证更好的分割速度也显示更好的分割质量(9)。这奠定了坚实的基础,基于ai的应用autosegmentation(如MR-guided)的在线自适应放射治疗(MRgoART) (10)。不幸的是,它的临床适用性通常是有限的,主要是因为大多数可用的自动分割措施是基于大样本的深度学习(11- - - - - -13)。此外,类似的高质量图像不易收集和繁殖的实验结果是很困难的。这意味着有障碍的应用人工智能在ATS工作流(14,15)。

此外,美国胸科协会计划是基于结构的平均电子密度分配参考CT用于生成一个新的计划。治疗剂量准确性的网站并不显著降低在使用核磁共振数据给予足够的体积密度(16)。此外,体积密度分配到骨组织特别是蛀牙通常是不准确的(17,18)。因此,剂量测定的误差引起的胸骨和空气腔在ATS治疗食道工作流EC往往是未知的。

因此,面对上述两个问题,本研究的主要目的是提出一个方案自动构建分割MRgoART基于每日更新,小深度学习模型来解决ROI的耗时的性质在ATS工作流描述。此外,我们试图验证中使用这个方案的可行性适应性EC的描述次放疗,准确性和剂量测定的好处。最后,剂量测定的错误源自于缺乏空气腔食道和胸骨结构探讨了ATS的工作流。

2材料和方法

2.1患者信息

九EC患者接受MR-guided在线自适应放射治疗在我们研究中心2021年9月至2022年6月被前瞻性纳入本研究。总共有216治疗分数,分数72分数(8 * 9例)治疗ATP的每个计划,ATS计划,ATS + (ATS计划与新添加的气腔增强食管和胸骨)计划。表1总结了病人的特点。本研究山东省肿瘤医院伦理审查委员会批准(批准号SDTHEC2022002002)。

2.2图像采集

病人被安置在仰卧位,头部和颈部与负压袋固定。仿真得到了CT图像使用飞利浦大孔径CT层厚度为3毫米。接下来,MRI模拟器(Ingenia3.0T,飞利浦)被用来获取定位图像,包括t1影像(TR = 4.5毫秒,TE = 2.0毫秒,翻转角度= 15°),t2影像(TR = 7059毫秒,TE = 75毫秒,翻转角度= 110°)和增强t1加权图像。3.0 t MR图像的主要作用是帮助描述肿瘤体积总值(制造)和器官(桨)风险模拟CT图像。收购进行Elekta团结MR-Linac系统使用T2W序列(胸部序列参数:TR = 2100毫秒,TE = 206毫秒,信噪比= 1,ACQ矩阵M * P = 160 * 224)层厚度为1.2 mm的治疗部分开始前阶段。对于每个病人,治疗前八部分,图像采集。1.5 t MR图像的主要作用是提供形象指导治疗开始之前的分数。

2.3描述

描述了仿真和每日1.5 t先生图像。EC放疗专家划定七roi。主食管病变和肿大淋巴结被划定为制造基于CT和MR成像。临床靶体积(CTV)被定义为制造中心的延伸上下3厘米边缘和轴向向外以0.5厘米的优势以及淋巴引流区域对应于每一段食道。规划目标卷(PTV)被定义为扩大CTV在这项研究中以0.5厘米的优势。桨,如身体,肺(Lung-All / L / R),脊髓,和心脏,进一步划定。roi的描述是基于桨在胸放射治疗指南开发的肿瘤放射治疗组(RTOG),欧洲癌症研究和治疗组织(EORTC)和西南肿瘤组(SWOG)肺癌委员会(20.)。

2.4方案设计

使用统一MR-Linac-specific TPS摩纳哥(v5.40.02)和基于gpu的蒙特卡罗剂量计算平台(GPUMCD),参考计划为每个病人而引用1.5 T创建图像。9名患者计划用6个月至9个字段生成调强放射治疗(IMRT)基于规定的剂量需求计划。所有计划要求规定的剂量体积覆盖超过95%的目标,和最大剂量不超过规定剂量的110%。桨剂量限制是基于国际辐射单位和测量委员会(ICRU) 83号(见报告补充表1)。

2.5治疗实现

图1显示了三个不同的处理工作流用于这项研究。

2.5.1实际adapt-to-position工作流

在ATP放射治疗模式下基于位置校正,在线图像先生可以注册计划CT获得运动参数,纠正计划中心点,基于参考计划执行以获得一个新的在线治疗方案。

2.5.2模拟adapt-to-shape工作流

在ATS放射治疗模式基于形状修正,redelineation roi需要优化的新计划基于参考计划a先生的图片和hand-delineated结构治疗前三个分数被选作为输入数据来预测未来的分割分数。预测细分结构手动修改提供治疗和作为新的输入数据来训练治疗结束后更新的描述模型,共有五段相当于预测更新模型的训练。因此,总共(5 + 3)数据训练和五个预测进行了细分为每一个病人。此外,模型的训练更新后安排治疗,两个分数,不占用的时间自适应放射治疗(艺术)。细节的培训策略和网络的技术细节,明白了图2和表2。

2.5.3模拟adapt-to-shape(+)工作流

首先,ATP是基于剂量CT电子密度的计算,考虑了电子密度的气腔在食道和胸骨,因此,剂量测定的错误就不会产生。然而,美国胸科协会的平均电子密度计算roi的作业计划。如果空气腔的食道和胸骨不是单独的波状外形的任务,那么这两个结构将被分配值根据CT-based平均电子密度的身体,将不可避免地导致剂量测定的错误。因此,基于以上考虑,模拟实现ATS +工作流。生成一个新的CT参考计划通过手动添加的空气腔食道和胸骨原始参考CT优化约束条件没有变化。区别于原始参考计划,我们将这个计划定义为引用B计划。同时,空气腔的食道和胸骨手动描述基于核磁共振成像,和一个新的治疗方案生成基于引用B计划再次进行模拟ATS工作流。

2.6培训战略和技术细节

2.6.1培训策略

模型训练策略是可视化图2,它包括两种不同训练阶段:初始培训和日常更新。在最初的训练阶段,原始模型使用MRI图像和训练手册轮廓的结果前三个当前病人的治疗。在《每日更新阶段,介绍了一个支持结构正规化技术进一步优化模型。这个策略,从而提高自动分割模型的准确性共同优化两个模型(原模型的权重θ^原始和变体模型θ^变体)和定义点态分割的损失${ℒ}_{\text{赛格}}$一致性约束${ℒ}_{\text{缺点}}$。${ℒ}_{\text{赛格}}$适用于整个数据集${ℒ}_{\text{缺点}}$只适用于最近的数据集。我们代表模型的分割结果$p^{(我)}={\theta }^{(我)}(x)$,在那里$x$代表训练图像和$p^{(我)}$礼物的第i个像素的分割结果$p$ ${ℒ}_{\text{赛格}}$和${ℒ}_{\text{缺点}}$表示如下:

损失函数的具体公式${ℒ}_{ce},{ℒ}_{\text{骰子}},{ℒ}_{vol},{ℒ}_{\text{len}},\text{和}{ℒ}_{\text{岑}}$中可以找到附录A。

提出了联合损失函数如下:

联合损失函数${ℒ}_{\text{联合}}$只是应用于变体模型来优化其性能。每个每日更新后,原始模型的权重逐渐从连续变异遗传模型使用体重指数平均价值的β= 0.99,获得最终的模型${\theta }_{\text{原始}}^{”}$。

2.6.2网络和培训策略的细节

本研究中使用的网络结构是修改nnU-Net 2 d,和实例正常化取代交叉正常化(21)改善模型性能和鲁棒性。此外,两个深学习模型训练方法被用来实现更准确和可靠的肿瘤分割。培训之前,相同的预处理方法是应用于数据集用于训练方法使用标准的处理流程nnU-Net推荐(15)。除了默认数据扩增方法提出了nnU-Net,吉布斯噪声(22)和k-space峰值(23)被随机叠加在图像数据增大。增强的数据被导入到训练模型。在培训期间,发动机随机选择一双预处理整个数据集和最新的样本数据集在每个迭代中优化赛格和缺点。详细信息预处理技术和hyperparameter设置中可以找到表2。

2.7评价

2.7.1描述时间

在ATS工作流中,传统轮廓的平均/范围(TC)时间和实际轮廓线(AC)时间统计和比较,在交流中自动描述(广告)和手动修改(MD)。此外,《每日模型训练时间评估。

2.7.2分割评价指标

确认autodelineation的可靠性模型,autodelineation结果和手册描述前八的迭代的结果进行比较和评估。此外,来验证优化升级效应的自动描述模型,MRI 8 (1.5 T先生图片获得第八治疗前)自动划定了模型1,2,4,6,8,结果与手册描述的结果。

评价作为日常的性能模型,我们使用五个定量指标,包括骰子相似系数(DSC),豪斯多夫距离(HD),平均对称表面距离(ASSD),最大对称面距离(MSSD)和相对面积/体积差异(RAVD),分析结果的重叠和体积和空间变化。更高的DSC的价值和更低的高清,ASSD MSSD, RAVD值显示更准确的分割结果。

DSC测量体积重叠的两组数据,得到以下方程:

DSC 1意味着一个完美的分割,而DSC 0表示没有重叠。

此外,第95百分位的豪斯多夫距离(HD95)是用来描述表面数据(24)。

ASSD MSSD定义如下:

在A和B显示真实自动分割的边界点集和集,分别。

RAVD定义如下:

在TP、FP和FN指真阳性预测,假阳性预测,分别和假阴性预测(25)。

2.7.3计划评估

因为有些病人的肿瘤位于颈或上胸食管,心脏体积的比例获得一剂5 Gy以上总成交量为零;因此,患者分为两组:A和B, A组数据只有心脏平均剂量(磁流体动力)和B组心脏dose-volume直方图(逆向)对所有统计参数。ATP计划相比,美国胸科协会计划纠正食道的变形;因此,美国胸科协会计划评估相比,ATP的计划。此外,由于美国胸科协会计划是基于roi的平均电子密度分配计划进行了优化,ATS计划和ATS +计划(包括新添加的气腔在食道和胸骨)进行了比较。

第2.7.4目标剂量评估指标

这些变量包括目标剂量一致性指数(CI)、非均质性指数(HI),平均剂量(D_的意思是)、D2% D50%、D98% D100%。CI计算$C我=\frac{TV1*TV1}{TV*VR1}$,TV1目标卷接收处方剂量,电视是目标卷,VR1处方等剂量的总量。当一个参考等剂量线完全环绕PTV没有到达周围组织,CI = 1,表示假设完美的保形治疗已经完成(26)。你好,是计算$H我=\frac{\text{剂量覆盖}x\backslash \%\text{的组织}(x=\text{高剂量Ref。}\backslash \%)}{\text{剂量覆盖}y\backslash \%\text{的组织}(y=\text{最低剂量Ref。}\backslash \%)}$,x = D2%和y = D98%。剂量分布的异质性将增加更嗨是零。

2.8 Organ-at-risk评估指标

这些变量包括意味着整个肺剂量(MLD), V5, V10, V20, V30,和V40 (Vx:比例的靶器官接收x Gy以上总量);意味着心脏剂量(磁流体动力)和相应的V5, V10, V20, V30, V40;和脊髓D_马克斯。

2.9统计分析

统计分析的剂量测定的差异之间的目标区域和桨ATS和ATP计划执行与SPSS 25.0版(IBM公司)。非参数测试被用于组之间的比较;P < 0.05表示一个统计上的显著差异,表示为均值±SD值。

3的结果

3.1描述的时间

所示补充图1,意思是/时间交流和TC使用当前工作流是5.54/2.28 28.20/9.30 -13.58分钟,-52.00分钟,分别。交流的时间由一个广告的意思是/范围的1.40/1.10 -1.78分钟和一个MD平均/范围的4.14/0.80 -12.30分钟。用于交流的时间明显短于,所需TC (P < 0.05)。此外,每日模型的平均/范围培训更新时间是56/48 - 75分钟。

3.2描述的准确性

图3和补充表2表明,DSC持续增长接近1;ASSD, HD95 MSSD和RAVD值不断降低为0;桨的描述精度,制造中心和PTV改善越来越多的分数。后两个培训课程深度学习模块,roi都大于0.90的DSCs除外心脏的0.78 (DSC)和脊髓(DSC - 0.89);四培训后,所有roi的DSCs大于0.90;八个训练之后,所有roi的DSCs大于0.95。表3表明,均值±SD制造DSC前八的自动轮廓为0.96±0.03,HD95 1.66±0.96毫米,ASSD 0.31±0.19毫米,MSSD 5.40±2.33毫米,RAVD 2.91±1.99%,目标区域反映出良好的一致性。然而,均值±SD第一八心DSC自动轮廓为0.94±0.09,这是少比其他桨轮廓保持一致。

3.3 Adapt-to-position adapt-to-shape计划比较

3.3.1 A组剂量测定的参数

所示表4和图4ATS计划展示了嗨(1.06±0.03)低于ATP计划[嗨(1.10±0.02)](P < 0.05)。ATS的D98和D100使用值大于计划的ATP计划(P < 0.05)。显然,PTV覆盖率和ATS计划的剂量分布的均匀性都优于ATP的计划。V20和V30(17.27%±5.76%和2.89%±0.82%)肺的美国胸科协会计划在ATP显著低于(18.71%±5.04%和9.88%±1.68%)(P < 0.05), 23.38%和40.17%,分别。与ATP的计划相比,平均剂量的肺和心脏at计划下降了18.04%和13.05%,(p < 0.05)。暴露剂量肺部和心脏是显著降低。

3.3.2 B组剂量测定的参数

所示补充表3和图5 a, B,同样的变化趋势观察剂量测定的参数(心脏除外),和所有的剂量测定的参数在ATS计划核心是小于ATP的计划,在第二十节中尤其是和V30(41.87%±15.78%和25.31%±11.19% at计划与53.71%±18.45%和37.43%±16.28% ATP计划)(P < 0.05),下降了22.04%和32.38%,分别。同样,平均剂量在ATS的核心计划相对下降了22.69%,在ATP计划(p < 0.05)。

3.4日常adapt-to-shape +和adapt-to-shape计划比较

所示表5,与ATS +计划相比,美国胸科协会计划显示一个小嗨(1.06±0.03和1.07±0.02)(P < 0.05)。在肺组织,V5和V10 (26.74%±7.77%、20.86%±6.44%) at +计划的明显高(P < 0.05)比美国胸科协会计划(22.54%±6.58%、17.27%±5.76%)15.71%和17.21%,分别。ATS的平均肺剂量+ at计划的计划是大于14.26% (p < 0.05)。因此,低剂量的照射剂量肺部区域时低估了胸骨和食管腔没有考虑。所示补充表4和图5 c, D在V5中,剂量测定的变化和V10肺组织类似于前面所述的那些。然而,V5, V10, V20 V30, D_的意思是增加了3.45%,11.70%,10.71%,7.59%,和8.24%,分别,心中在ATS +计划相对于ATS (P < 0.05),而V40之间没有统计学上截然不同的两个计划。显然,对心脏的照射剂量也被低估了。

4讨论

许多最近的研究计算时间目标体积和桨redelineation时间在线艺术。•et al。(27),在一项研究中MRgoART立体定向放射治疗(SBRT) MR-Linac腹部肿瘤,发现均值/图像配准的时间范围和描述的肝脏和胰腺肿瘤是14.4 / 5-34分钟和14.6 / 7-28 min,分别。同样,Daamen et al。(28),在一项研究中MRgoART SBRT使用MR-Linac不可切除的恶性肿瘤在上腹部,确定/中值所需的时间范围redelineation 13/3-38分钟。在我们的研究中,均值/范围的时间用于AC与现有的工作流是5.54/2.28 -13.58分钟。此外,均值/范围的日常模式培训更新时间达到56/48 - 75分钟,但它并没有增加的时间在线at工作流,最终完成后安排治疗的一部分。相比传统的描述,介绍的自动描述模型我们需要更少的时间redelineate roi。此外,减少描述时间可以减少体位转移病人的发病率在ATS工作流,从而提高剂量交付的准确性。这使得ATS工作流来实现类似的速度ATP工作流,同时保持剂量测定的优势。

大量的研究人员开展大量研究深度学习的自动图像分割;然而,大多数可用的自动分割的措施是基于大样本的深度学习。例如,唐et al。(11)提出了卷积神经网络对肝脏分割和包括282数据集,实现DSC中值0.94。至少有100患者CT或MR图像需要参加训练模型,这将花费大量的时间。此外,类似的高质量图像不易收集和繁殖的实验结果是很困难的。这意味着有障碍的应用深度学习在ATS工作流模型与大样本。因此,有一种强烈的需要研究基于小样本深度学习网络,和陈et al。(29日)提出一个个性化的网络描述框架,协助使用MRgoART前列腺癌。该研究使用只有第一部分的图片,和等高线数据来自16个病人被用来训练人口模型。意味着所有roi的DSC测试集大于0.92。腹部肿瘤的可行性应用MRgoART使用小样本深度学习网络了。同样,在我们的研究中,我们只使用少量的数据来训练一个自动构建深上优于描述模型和嵌入式ATS工作流,在放射治疗之间的时间更新分数。的平均DSC的roi EC在我们建议的方法超过0.9后只有四个轮的培训。我们还发现心脏自动分割效果并不理想,对于其他桨相比,达到了DSC的价值只有0.78两次训练后,在其他桨的DSC值大于0.89。这主要是因为心脏总是跳动,和不同治疗的体积分数变化很大。然而,心脏分割效果明显改善培训的数量增加,和DSC值达到0.9后四个训练。这样的分割效果轻微修改完全满足的胸部肿瘤治疗需要at工作流。 Furthermore, the timely update of the segmentation model allowed it to better adapt to the daily changes of a specific patient, which is not possible with other deep learning models.

在剂量学方面,D98和D100使用at计划比在ATP计划,和你好较低(P < 0.05)。显然,目标体积覆盖和ATS计划的剂量分布的均匀性都优于ATP的计划,这是与以前的结果一致温克尔et al。(8)。同样,美国胸科协会计划显示明显的好处的桨剂量减少。在我们的研究中,相对意味着心脏剂量颈和上胸食管癌患者在ATS计划减少了13.05% (P < 0.05)相对于ATP计划剂量只有0.15 Gy。然而,由于心脏的距离中间胸和更低的胸食管癌肿瘤体积和剂量的辐射更大,相对平均剂量下降了22.69% (P < 0.05)或5.38 Gy。相对平均剂量肺部被食道癌的位置影响较小,降低了18.04%(颈和上胸)和12.36%(中间胸胸和低)at计划,或0.15和0.11 Gy,分别。这一发现是类似Boekhoff et al。(30.MRgRT食道癌的研究),在这意味着肺量降低了26%,平均和平均意味着心量降低了12%。总之,正如预期的那样,美国胸科协会的计划质量工作流超过ATP的工作流自at计划相当于完成重新规划。另一方面,ATS + V5和V10明显高于正常肺组织(P < 0.05),同样的,在心脏,V5, V10, V20,和D_的意思是明显增加(P < 0.05)(见图5 c, D,补充表4)。这表明我们严重低估了桨的数量和肺部和心脏暴露在低剂量的地区艺术没有轮廓的EC胸骨和食道的气腔。这可能导致增加的概率radiotherapy-induced辐射肺炎等并发症,缩窄性心包炎,和心律失常。

我们也承认这个研究的严重的限制。首先,患者在研究中只包括那些EC从一个中心。第二,roi与大体积变化引起的高烈度治疗分数之间的运动,例如,心脏,没有首先划定的一些培训课程。第三,介绍了研究的方法也是训练只描绘图像来自1.5 T先生MR-Linac系统。稳定的扫描数据与其他不同的形式验证没有达到。

5的结论

基于ai的准确性和速度在ATS工作流符合欧共体的临床放射治疗的需要。这使得ATS工作流来实现类似的速度ATP工作流,同时保持了最初计划剂量的优势。快速、精确的在线at确保一个适当的治疗剂量的PTV同时减少剂量的心脏和肺,从而减少放疗造成的有毒副作用。此外,没有描述空气腔的结构在食道和胸骨,曝光剂量肺部和心脏被低估了。本研究可以提供指导在减少肺和心脏放射治疗过程中毒性MRgoART EC。

数据可用性声明

原始数据支持了本文的结论将由作者提供,没有过度的预订。

道德声明

涉及人类受试者的研究回顾和山东省肿瘤医院伦理审查委员会的批准。书面知情同意参与这项研究并不需要按照国家法律和制度需求。

作者的贡献

概念化:HW和ZL。调查、数据采集和分析:HW, XL, y, PY、生理和XS。草稿准备:HW。审查和编辑:ZL和YY。监督:YY。所有作者的文章和批准提交的版本。

资金

这项研究得到了国家自然科学基金(批准号82102173),以及中国的国家自然科学基金(批准号82072094)。本研究也支持部分由中国国家重点研究和发展计划(批准号2016 yfc0105106),山东第一医科大学的学术推广计划(批准号2019 lj004),济南科技发展计划(批准号201907108),山东的泰山学者计划,中国(批准号ts20120505),山东省自然科学基金(批准号ZR2019LZL017),山东省泰山学者项目(批准号ts201712098), 2021年山东省医学会临床研究基金——齐鲁特殊项目(批准号YXH2022ZX02198),山东省肿瘤医院的启动基金(批准号2020 pyb09),和广州共享未来慈善基金会“登封”精确放射治疗对癌症的研究项目。

确认

作者要感谢编辑和评论员有见地的建议,这有助于提高手稿。

的利益冲突

作者声明,这项研究是在没有进行任何商业或财务关系可能被视为潜在的利益冲突。

出版商的注意

本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。

补充材料

本文的补充材料在网上可以找到:https://www.雷竞技rebatfrontiersin.org/articles/10.3389/fonc.2023.1172135/full补充材料

引用