Прогнозування розподілу дози іонізуючого випромінювання в променевій терапії за допомогою архітектури U-Net

Abstract

У статті розглядається застосування алгоритмів глибинного навчання для прискорення розрахунку дозиметричних планів у променевій терапії. Проаналізовано ефективність використання архітектури U-Net для прогнозування 3D-розподілу дози іонізуючого випромінювання на основі комп'ютерних томограм. Показано переваги нейромережевого підходу над традиційними аналітичними методами та алгоритмом Монте-Карло у швидкодії за збереження високої точності.

The article considers the application of deep learning algorithms to accelerate the calculation of dosimetric plans in radiation therapy. The efficiency of using the U-Net architecture to predict the 3D dose distribution of ionizing radiation based on computed tomography scans is analyzed. The advantages of the neural network approach over traditional analytical methods and the Monte Carlo algorithm in speed while maintaining high accuracy are shown.