17737

15496

كارشناسي ارشد

فيزيك هسته اي

اصفهان : دانشگاه صنعتي اصفهان

1401

دوازده، 53ص. :مصور، جدول، نمودار

مريم حسنوند، مازيار ايران نژاد

ايرج عابدي

محمد حسن علامت ساز، سيد ظفرالله كلانتري

1401/05/25

كتابنامه

فيزيك

فيزيك

1401/05/25

2850120

پرتودرماني با شدت مدوله شده، يك برنامه ريزي معكوس شامل تعيين حجم هدف و ساير اندامهاي حساس و حياتي اطراف آن است كه محدوديتهاي دوز درمان را تعيين مينمايد و به بهينهسازي توزيع دوز بر اساس الگوريتمهاي بهينهسازي ميپردازد. اين فرايند بسيار زمانبر مي باشد. طرحهاي درماني مختلف كه توسط متخصصان مختلف ايجاد و مورد استفاده قرار ميگيرد، عالوه بر زمانبر بودن، باعث ايجاد تنوع در بين برنامههاي طراحي شده ميشود و كيفيت طرح درمان تعيين شده توسط برنامهريزي معكوس، با مهارت و تجربه متخصصان رابطه مستقيم دارد. شبكههاي عصبي عميق توانايي استخراج دانش از روي دادههاي دريافتي و سپس استفاده از آن دانش در جهت شناسايي دارا ميباشند. در اين پژوهش از شبكه عصبي يو نت اتنشن براي يادگيري دانش موجود در برنامهريزي درمان IMRT ،در راستاي پيشبيني توزيع دوز براي بيماران مبتال به سرطان مغز، استفاده شده است. با هدف پيبردن به ميزان اهميت وجود اندامهاي سالم اطراف تومور در تعيين پيشبيني توزيع دوز توسط شبكه، دو شبكه يو نت و يو نت اتنشن مورد مقايسه قرار گرفت. نتايج حاكي از باال بودن دقت در دو روش بوده و با اين تفاوت كه روش يو نت اتنشن 3 درصد بهبود دارد.

Intensely modulated radiation therapy is a reverse programming involving target volume determination and other critical vital organs surrounding it that determines treatment dose limits, optimizing dose distribution based on optimization algorithms. This process is very time consuming. Different treatment plans that are created and used by different specialists, in addition to being time consuming, cause variation between the designed programs, and the quality of the treatment plan determined by reverse planning. Is directly related to the skills and experience of specialists. Deep neural networks have the ability to extract knowledge from the received data and then use that knowledge for identification. In this study, the Unethenation neural network (UNN) was used to learn the knowledge contained in IMRT treatment planning, in order to predict dose distribution for patients with brain cancer. In order to realize the importance of the existence of healthy organs around the tumor in determining the prediction of dose distribution by the network, two networks of ions and ion-attenuation were compared. The results show that the accuracy of the two methods is high, with the difference that the ion-attenuation method has a 3% improvement.

مريم حسنوند، مازيار ايران نژاد

ايرج عابدي

محمد حسن علامت ساز، سيد ظفرالله كلانتري