Resumen: La planificación del tratamiento de protones PBS para los cánceres de H&N implica numerosos objetivos conflictivos, lo que requiere un esfuerzo significativo de los planificadores humanos para equilibrar y satisfacer múltiples objetivos clínicos durante la planificación. Para lograr esto, el ajuste de los parámetros objetivos de la experiencia y la experiencia y la optimización inversa computacionalmente costosa se realizan de forma iterativa. Se han realizado esfuerzos extensos para ajustar automáticamente los parámetros objetivos, pero el componente más lento, es decir, la optimización inversa, todavía depende en gran medida de los enfoques impulsados por la teoría. Proponemos un optimizador inverso basado en datos e integramos en un marco de planificación de tratamiento automático basado en PPO para generar automáticamente planes de alta calidad dentro de un tiempo de planificación clínica aceptable. El optimizador inverso es un método L2O que predice los pasos de actualización al aprender de la distribución de datos específica de la tarea. Por primera vez, integramos técnicas diseñadas para el procesamiento de contexto largo, desarrollado originalmente para LLM, en un marco L2O basado en transformadores para abordar el problema de escalabilidad de los métodos L2O existentes. El marco PPO funciona como un planificador virtual de circuito exterior, ajustando de forma autónoma los parámetros objetivos a través de una red de políticas, y el predictor de la dosis se usa para inicializar los parámetros objetivos. El optimizador inverso L2O de Loop Inner calcula los valores MU que no sean de máquina basados en objetivos refinados por la Red de Política PPO. 97 pacientes se recolectan en este estudio y se comparan con L-BFGSB, nuestro optimizador inverso basado en L2O mejora la efectividad y la eficiencia en un 22.97% y 36.41%, respectivamente. En conjunto con el planificador virtual aprendido basado en PPO, los planes generados por nuestro marco en un promedio de 2.55 horas muestran que la avanza mejorada o comparable se asigna una cobertura objetivo superior para pacientes con diferentes niveles de dosis recetadas, número de volúmenes objetivo, ángulos de haz, etc., en comparación con los planes generados humanos.
Publicado Originalme en export.arxiv.org El 17 de agosto de 2025.
Ver Fuente Original
