Лучевая терапия ускоряется: доза за секунды экспресс

Оригинал: "A Fast and Generic Energy-Shifting Transformer for Hybrid Monte Carlo Radiotherapy Calculation"
arXiv:2604.09157 · 2026-04-10 · CC BY-SA 4.0 · 1 мин
Глубокое обучение превращает простые расчёты в точные карты дозы для лучевой терапии простаты.

📄 Показана версия «Просто» — «Подробно» пока не готова. Добавьте ★ в избранное, если хотите её ускорить.

Лучевая терапия рака простаты требует точного расчёта дозы излучения в каждой точке тела. Классический метод Монте-Карло симулирует миллионы частиц и занимает часы, а для адаптации плана под ежедневные изменения анатомии нужны секунды. Новая нейросеть Energy-Shifting учится на простых одноцветных пучках и сразу выдаёт дозу для сложного реального излучения, как переводчик, который слышит каждое слово и мгновенно передаёт смысл на другой язык.

Метод Монте-Карло получил имя от казино в Монако: он опирается на случайные числа, как рулетка.

Архитектура TransUNetSE3D объединяет блоки внимания (Transformer) и адаптивные модули сжатия-возбуждения, чтобы улавливать глобальные связи и важные детали. Обученная на анатомических текстурах и сходстве пучков, сеть достигает точности выше 98% (критерий гамма 3%/3 мм) на данных с линейного ускорителя TrueBeam 6 МВ. Это открывает путь к расчёту дозы в реальном времени прямо в процедурном кабинете.

Оригинальная аннотация

как её написали авторы, на английском 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.

Критерий гамма 3%/3 мм означает: в 98% точек расчётная доза отличается от эталонной не более чем на 3%, либо точка сдвинута не дальше 3 мм.

Понятия
перенос энергии доза облучения химиотерапия лучевая терапия эквивалентность массы и энергии планирование лучевой терапии с помощью ИИ перенос обучения терапия переход гамильтонов метод Монте-Карло доставка лекарств трансформеры вейвлет-преобразование атомный переход обмен энергией