PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.24725v1physics.med-ph

적응형 양성자 방사치료에서 윤곽 불확실성을 반영한 치료일 영상 예측을 위한 디지털 트win 프레임워크

A digital-twin framework for forecasting treatment-day imaging with contour uncertainty in adaptive proton radiotherapy

6~7주에 걸친 양성자 치료 과정 동안 두경부 해부학은 변하며, 계획 수립 시점에는 이후 주차의 해부학을 영상으로 확보할 수 없다. 본 연구는 환자의 치료일 해부학을 전파된 윤곽을 포함한 예측 CT 앙상블로 예측하고, 예측 윤곽의 불확실성을 정량화하는 디지털 트win 프레임워크를 제안한다. 이 트win은 계획 CT와 주간 품질보증 CT(QACT)를 갖춘 기존 치료 환자들의 라이브러리로, 2단계 foundation model 기반 가변 정합(deformable registration)을 통해 환자 특이적으로 구성된다. 환자 간(field)은 라이브러리 환자 각각을 현재 환자에게 맞추고, 현재 환자 좌표계에서 추정한 종단(field)은 해당 환자의 계획–QACT 변화를 현재 환자의 계획 CT 위로 전달한다. 88명 환자로부터 302개 관측으로 이루어진 라이브러리는 환자당 약 300개의 복제본, 즉 실제 치료 환자에서 발생한 변형(deformation) 각각을 제공한다. 전파된 윤곽의 분산은 외향 법선 방향으로 해석되며, 밀리미터 단위의 6방향 윤곽 불확실성이다. 이는 모델 파라미터의 불확실성이 아니라, 현재 환자가 어떤 라이브러리 환자의 경로를 따를지에 대한 예측 입력의 불확실성이며, 정합 엔진을 교체해도 변하지 않는다. 두 QACT에 임상의가 그린 윤곽이 있는 10명 환자에서, 라이브러리만으로도 불확실성의 이방성 형상(4.5~6.2 mm)을 고정한다. 첫 QACT는 윤곽을 그리지 않아도 불확실성 폭을 3.2~3.6배 좁힌다. 승인된 윤곽은 중심은 개선하지만 폭은 개선하지 않는다. 추정은 방향 순서는 올바르게 맞추지만 가우시안 보정(Gaussian-calibrated)은 아니다. 임상 표적 부피(CTV) 확장을 한 가지 응용 사례로 제시한다.