[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 69

한 줄 요약

논문은 contoured CT 슬라이스로부터 직접 3D 선량 분포를 예측하는 GAN 기반 지식 기반 계획 파이프라인을 도입하여 구강인두암의 방사선 치료 치료 계획을 자동화하고, 그 뒤에 전달 가능한 계획을 산출하기 위한 최적화 단계가 포함됩니다.

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

• 방사선 치료 치료 계획의 자동화를 촉진하여 수작업 노력을 줄이고 일관성을 높인다.
• Heavy feature engineering 없이 CT 데이터로부터 직접 선량 분포를 학습하는 지식 기반 계획 파이프라인을 개발한다.
• GAN 기반 접근 방식이 임상 기준을 충족하는 전달 가능한 계획을 생성할 수 있음을 입증한다.

제안 방법

• pix2pix-style GAN과 U-net 생성기를 사용하여 KBP 선량 예측을 이미지 색상화 문제로 재정의한다.
• 130명의 contoured CT 슬라이스에서 학습하여 2D 선량 슬라이스를 예측하고 3D 선량 분포를 구성한다.
• 생성된 선량 분포를 비판적으로 평가하는 판별 네트워크를 사용하여 종양학자의 평가를 흉내낸다.
• GAN 예측을 역최적화 파이프라인으로 전달하여 임상 제약을 만족하는 전달 가능한 계획을 산출한다.
• 전방 모델을 사용하여 65개의 목적 함수( OARs 및 대상)에 걸쳐 최소화하는 최적화를 수행한다.
• 임상 기준과 감마 통과율을 사용하여 기준선(BQ, gPCA, RF, CNN)과 비교 평가한다.

실험 결과

연구 질문

• RQ1 GAN이 특성 공학 없이 CT 해부학으로부터 직접 임상적으로 허용 가능한 3D 선량 분포를 예측하는 것을 학습할 수 있는가?
• RQ2 GAN-생성 선량 예측이 최적화되었을 때 임상 기준을 충족하는 전달 가능한 치료 계획을 기존 KBP 방법만큼 혹은 더 잘 생성하는가?
• RQ3 계획 품질과 전달 가능성 측면에서 GAN 기반 KBP가 전통적인 특징 기반 및 복셀 기반 접근법과 어떻게 비교되는가?
• RQ4 GAN 기반 KBP 파이프라인이 구강인두암 외의 다른 암 부위에도 일반화될 수 있는가?
• RQ5 역최적화 단계의 도입이 계획 전달 가능성과 임상 기준 충족에 어떤 영향을 미치는가?

주요 결과

• GAN 계획은 임상 기준 충족 측면에서 기준 KBP 방법(BQ, gPCA, RF, CNN)을 능가했다.
• GAN 계획은 평가된 방법들 중 OAR 절제와 표적 커버리지 간의 전반적인 균형을 가장 잘 달성했다.
• 감마 통과율 분석에서 GAN 계획이 평균적으로 임상 선량 분포와 가장 가까웠고, 특히 표적 주변에서 그렇다.
• GAN 계획은 때때로 임상 계획보다 더 낮은 OAR 선량을 전달하여 OAR 기준 충족을 개선했다.
• CNN은 GAN의 가장 근접한 경쟁자였으며, GAN이 작고 일정한 우위를 유지했다.