基于人工神经网络重建6 MV医用直线加速器光子能谱

摘要

人工神经网络具有良好的求解线性方程和进行大规模运算的能力.在放射治疗中，入射光子束能谱准确度直接影响着剂量计算精度.本研究利用人工神经网络（Artificial Neural Network, ANN）输入深度剂量数据，重建6 MV医用直线加速器的光子能谱.首先，采用经验公式计算出训练能谱，并利用EGSnrc/DOSXYZnrc模拟出的单能光子深度剂量，得到对应的训练深度剂量，设置损失函数为重建能谱与训练能谱之间的均方差，搭建并进行模型的预训练；然后，针对10 cm×10 cm参考射野下的iX、600C、Primus直线加速器，以及4 cm×4 cm、10 cm×10 cm、20 cm×20 cm射野下的XHA600D直线加速器，基于EGSnrc/BEAMnrc输出的相空间文件分析出测试能谱，利用EGSnrc/DOSXYZnrc模拟出测试深度剂量，修改损失函数为重建能谱对应深度剂量与测试深度剂量之间的均方差，进行模型的微调.结果表明，ANN模型的重建能谱不仅峰位和半高全宽与测试能谱一致，且均方根误差都不超过0.51%.在3 mm/3%容差下，重建能谱对应深度剂量的γ通过率都达到98%以上.上述结果表明，基于ANN模型的光子束能谱重建方法是有效的.

关键词

直线加速器 / 人工神经网络 / 光子能谱 / 深度剂量

基金资助

国家重点研发计划(2016YFC0105103); 辐射物理及技术教育部重点实验室开放课题（2023SCURPT06）