蒙特卡洛剂量计算难题新突破：神经网络引擎高效又精准

为解决蒙特卡洛（MC）剂量计算难题，研究人员开展神经网络剂量计算引擎研究，成果精准且快速。

　　蒙特卡洛（MC）剂量计算方法在剂量计算精度方面被公认为金标准。然而，MC 计算对计算资源要求高且耗时。本研究旨在利用虚拟模拟数据库开发基于神经网络的剂量计算引擎，使其产生的剂量分布精度可与 MC 剂量计算相媲美。研究人员通过特定规则和自动优化技术建立了无限制的虚拟模拟数据库，存储了每个射束的单独剂量分布。随后，采用 3D Dense-U-Net 架构构建并训练神经网络。该模型的准确性在鼻咽癌、宫颈癌和肺癌的调强放射治疗（IMRT）中得到验证。从 2382 个虚拟计划中总共收集了 31967 个单射束剂量。使用该模型后，临床射束剂量在 1 毫米 / 1% 和 2 毫米 / 2% 标准下的伽马通过率显著提高，分别从 13.4±4.8% 和 37.5±9.4% 提升至 77.5±7.7% 和 95.6±2.5%，平均计算时间为 0.017±0.002 秒。研究成功开发出固定射束 IMRT 中基于神经网络剂量计算模型的自动训练工作流程。该工作流程能从相对较小的临床数据集生成大量训练数据集，从而得到在准确性和速度方面表现优异的模型。