ترجمه فارسی مقاله GAMBAS — انتخاب سریع آرایش پرتو برای پروتون درمانی با استفاده از مدل نزدیکترین همسایه

چکیده

Purpose: Beam angle selection is critical in proton therapy treatment planning, yet automated approaches remain underexplored. This study presents and evaluates GAMBAS, a novel, fast machine learning model for automatic beam angle selection. Methods: The model extracts a predefined set of anatomical features from a patient’s CT and structure contours. Using these features, it identifies the most similar patient from a training database and suggests that patient’s beam arrangement. A retrospective study with 19 patients was conducted, comparing this model’s suggestions to human planners’ choices and randomly selected beam arrangements from the training dataset. An expert treatment planner evaluated the plans on quality (scale 1-5), ranked them, and guessed the method used. Results: The number of acceptable (score 4 or 5) plans was comparable between human-chosen 17 (89%) and model-selected 16(84%) beam arrangements. The fully automatic treatment planning took between 4 – 7 min (mean 5 min). Conclusion: The model produces beam arrangements of comparable quality to those chosen by human planners, demonstrating its potential as a fast tool for quality assurance and patient selection, although it is not yet ready for clinical use.

چکیده به فارسی (ترجمه ماشینی)

هدف: انتخاب زاویه پرتو در برنامه ریزی درمانی پروتون بسیار مهم است ، اما رویکردهای خودکار همچنان مورد استفاده قرار نمی گیرند.این مطالعه Gambas ، یک مدل جدید یادگیری ماشین سریع برای انتخاب خودکار زاویه پرتو را ارائه و ارزیابی می کند.مواد و روش ها: این مدل مجموعه ای از پیش تعریف شده از ویژگی های آناتومیکی را از CT و کانتورهای ساختار بیمار استخراج می کند.با استفاده از این ویژگی ها ، مشابه بیمار را از یک پایگاه داده آموزشی مشخص می کند و نشان می دهد که ترتیب پرتو بیمار.یک مطالعه گذشته نگر با 19 بیمار انجام شد ، با مقایسه پیشنهادات این مدل با انتخاب برنامه ریزان انسان و تنظیمات پرتو به طور تصادفی از مجموعه داده های آموزش.یک برنامه ریز درمان متخصص برنامه های مربوط به کیفیت (مقیاس 1-5) را ارزیابی کرد ، آنها را رتبه بندی کرد و روش مورد استفاده را حدس زد.يافته ها: تعداد برنامه هاي قابل قبول (نمره 4 يا 5) بین چيزي شارهاي پرتوي 17 (89 ٪) و 16 (84 ٪) انتخاب شده مدل قابل مقایسه بود.برنامه ریزی درمانی کاملاً اتوماتیک بین 4 تا 7 دقیقه (میانگین 5 دقیقه) طول کشید.نتيجه گيري: اين مدل چيزي پرتوي با كيفيت قابل مقایسه را با آنهایی كه توسط برنامه ریزان انسان انتخاب شده اند ، نشان مي دهد و پتانسيل آن را به عنوان ابزاری سریع براي تضمین كيفيت و انتخاب بيمار نشان مي دهد ، اگرچه هنوز آماده استفاده باليني نیست.