[논문 리뷰] Automated Treatment Planning in Radiation Therapy using Generative Adversarial Networks

Rafid Mahmood, Aaron Babier외 3명|arXiv (Cornell University)|2018. 07. 17.

Radiomics and Machine Learning in Medical Imaging인용 수 61

한 줄 요약

본 논문은 컨투어링된 CT 슬라이스로부터 전달 가능한 3D 선량 분포를 예측하는 GAN 기반 지식 기반 기획 파이프라인을 제시하여 구인두암의 방사선 치료 계획 자동화를 목표로 하며, 여러 기준선보다 우수한 성능을 보인다.

ABSTRACT

Knowledge-based planning (KBP) is an automated approach to radiation therapy treatment planning that involves predicting desirable treatment plans before they are then corrected to deliverable ones. We propose a generative adversarial network (GAN) approach for predicting desirable 3D dose distributions that eschews the previous paradigms of site-specific feature engineering and predicting low-dimensional representations of the plan. Experiments on a dataset of oropharyngeal cancer patients show that our approach significantly outperforms previous methods on several clinical satisfaction criteria and similarity metrics.

연구 동기 및 목표

• 수동 작업 및 시간을 줄이기 위해 방사선 치료 계획의 자동화를 촉진한다.
• CT 데이터로부터 직접 3D 선량 분포를 학습하여 광범위한 사이트 특화 특징 엔지니어링에 대한 의존성을 제거한다.
• 생성적 적대 신경망이 임상적으로 허용 가능한 선량 분포를 예측하고, 최적화를 거쳐 전달 가능한 계획을 산출함을 보여준다.
• GAN 기반 KBP를 최신 기준선과 비교하여 임상 기준 충족 여부와 임상 표준에 대한 계획 유사성을 평가한다.
• 자동화된 치료 계획에서 사이트 독립성의 가능성을 뒷받침하는 파이프라인과 근거를 제공한다.

제안 방법

• 선량 예측을 조건부 GAN(pix2pix 스타일)으로 해결되는 이미지 색상화 문제로 취급한다.
• 컨투어링된 CT 슬라이스를 입력으로 사용하여 선량 슬라이스를 출력하는 U-net 생성기를 구성하고, 적대적 판별기와 L1 패널티로 학습한다.
• 각 3D CT를 2D 슬라이스로 분할하고, 130명의 환자(15,657 이미지)의 슬라이스로 학습하고 87명의 환자로 테스트한다.
• 예측된 3D 선량 분포를 역최적화(IO) 파이프라인에 입력하여 9개의 등거리 평면 빔과 65항 목적함수를 갖는 전달 가능한 계획을 생성한다.
• Adam 옵티마이저(lr=0.0002, betas 0.5 및 0.999)로 25 에포크 학습; L1 패널티의 람다를 90으로 설정.
• 기준선 방법에는 Bagging Query, generalized PCA, Random Forest, 및 CNN-based voxel dose prediction이 포함되며 모두 동일한 IO 파이프라인으로 입력되어 공정한 비교를 한다.

실험 결과

연구 질문

• RQ1 GAN이 컨투어링된 CT 이미지에서 수작업으로 설계된 특징 엔지니어링 없이도 임상적으로 허용 가능한 3D 선량 분포를 직접 예측하는 것을 배울 수 있는가?
• RQ2 GAN 기반 KBP 접근 방식이 임상 기준을 만족하고 기준선 KBP 방법들보다 임상 계획과의 유사성을 더 잘 나타내는 전달 가능한 치료 계획을 산출하는가?
• RQ3 샘플 외 환자에서도 GAN 기반 접근이 강건한가, 그리고 감마 통과율 및 기준 만족도 측면에서 임상 계획과 어떻게 비교되는가?
• RQ4 KBP 파이프라인을 다른 암 부위로 확장하고 최소한의 사이트 특이 조정으로 전처리를 자동화할 수 있는가?

주요 결과

• GAN 계획은 OAR 절약 및 표적 피복에 대한 임상 기준 충족에서 KBP 방법들 중 최고의 전반적인 성능을 달성했다.
• GAN 계획은 특정 기준에서 임상 계획을 능가하는 경우가 많았고 기준선에 비해 높은 gamma 통과율을 보였다.
• CNN 계획은 GAN 계획에 가장 가까운 성능을 보였고, 특히 표적 주변에서 임상 선량 분포와의 유사성에서 GAN이 작지만 일관된 우위를 유지했다.
• IO 최적화 단계 이후 GAN 기반 예측은 전달 가능한 계획을 재현할 수 있었고, 반복적인 플래너-종양의사 작업 흐름을 모델링했다.
• 예측은 217명의 구인두암 환자 데이터세트(훈련용 130명, 테스트용 87명)에서 생성되었고, 선량 최적화를 위해 9개의 coplanar 빔을 사용했다.