La radiothérapie s'accélère : la dose en quelques secondes express
La radiothérapie du cancer de la prostate exige un calcul précis de la dose d'irradiation en chaque point du corps. La méthode classique de Monte-Carlo simule des millions de particules et prend des heures, alors que pour adapter le plan aux changements quotidiens de l'anatomie, il faut des secondes. Le nouveau réseau de neurones Energy-Shifting apprend sur des faisceaux simples monochromatiques et fournit immédiatement la dose pour un rayonnement réel complexe, comme un interprète qui entend chaque mot et transmet instantanément le sens dans une autre langue.
L'architecture TransUNetSE3D combine des blocs d'attention (Transformer) et des modules adaptatifs de compression-excitation pour saisir les relations globales et les détails importants. Entraînée sur des textures anatomiques et des similitudes de faisceaux, le réseau atteint une précision supérieure à 98 % (critère gamma 3 %/3 mm) sur des données provenant d'un accélérateur linéaire TrueBeam 6 MV. Cela ouvre la voie à un calcul de dose en temps réel, directement dans la salle de procédure.
Résumé original
tel que rédigé par les auteurs, en anglais arXiv:2604.09157
We introduce a novel learning framework for accelerated Monte Carlo (MC) dose calculation termed Energy-Shifting. This approach leverages deep learning to synthesize highly complex polyenergetic dose distributions directly from simple monoenergetic inputs under identical beam configurations. Unlike conventional denoising techniques, which rely on noisy low-count dose maps that compromise beam profile integrity, our method achieves superior cross-domain generalization on unseen datasets by integrating high-fidelity anatomical textures and source-specific beam similarity into the model's input space. Furthermore, we propose a novel 3D architecture termed TransUNetSE3D, featuring Transformer blocks for global context and Residual Squeeze-and-Excitation (SE) modules for adaptive channel-wise feature recalibration. Hierarchical representations of these blocks are fused into the network's latent space alongside the primary dose-map parameters, allowing physics-aware reconstruction. This hybrid design outperforms existing UNet and Transformer-based benchmarks in both spatial precision and structural preservation, while maintaining the execution speed necessary for real-time use. Our proposed pipeline achieves a Gamma Passing Rate exceeding 98% (3%/3mm) compared to the MC reference, evaluated within the framework of a treatment planning system (TPS) using 6MV TrueBeam Lineac Accelerator (LINAC) for prostate radiotherapy. These results offer a robust solution for fast volumetric dosimetry in adaptive radiotherapy.
Le critère gamma 3 %/3 mm signifie que dans 98 % des points, la dose calculée diffère de la dose de référence d'au plus 3 %, ou que le point est décalé de 3 mm au maximum.