Servizio Fondi Esterni > Progetto PRIN2022CWXR8K

Loghi

Progetto

InTrEPID: In vivo 3D dosimetry in radiotherapy Treatments with EPID

Codice

PRIN2022CWXR8K

Descrizione

Negli ultimi due decenni, la radioterapia (RT) è diventata più complessa, rendendo necessari metodi più accurati per il controllo di qualità (QA). La dosimetria in vivo (IVD), in particolare quella realizzata utilizzando dispositivi di imaging portale (EPID), è diventata fondamentale per la verifica del trattamento. Tuttavia, gli EPID presentano svantaggi come la non equivalenza con l’acqua e le complesse procedure di calibrazione. Il progetto InTrEPID mira a sviluppare un metodo di IVD 3D che sfrutti l’apprendimento automatico basato su Deep Learning (DL) per superare queste limitazioni. Questo approccio data-driven basato su DL analizzerà le immagini EPID combinate con l’anatomia del paziente derivata dall’immagine CT acquisita per la pianificazione del trattamento per creare mappe di dose 3D accurate.

Description

Over the past two decades, radiotherapy (RT) has advanced in complexity, necessitating better quality assurance (QA) methods. In-vivo dosimetry (IVD), especially using electronic portal imaging devices (EPIDs), has become vital for treatment verification. However, EPIDs face drawbacks like non-water equivalence and complex calibration procedures. The InTrEPID project aims to develop a 3D IVD method leveraging deep learning (DL) to overcome these limitations. This DL-based data-driven approach will analyze EPID images combined with the information of patient anatomy encoded in the planning CT scan to create accurate 3D dose maps. 

Finalità

L’obiettivo di InTrEPID è ricostruire la mappa 3D della dose erogata al paziente durante il trattamento RT per verificare la correttezza del trattamento in tempo reale. Verrà implementato un approccio basato su DL che utilizzerà le immagini portali e l’immagine CT del paziente per predire la mappa di dose.

Goals

The goal of InTrEPID is to reconstruct the 3D map of the dose administered to the patient during the RT treatment to verify the correctness of the treatment in real time. A DL-based approach will be implemented, that will use portal images and patient CT scan to predict the dose map.

Risultati attesi

Nel primo anno di progetto verrà sviluppato e validato un primo modello basato su DL per convertire le immagini portali EPID (2D) in immagini quantitativa che riportino la  dose (2D). Il secondo anno sarà interamente dedicato alla progettazione, implementazione e validazione di modelli DL innovativi per ricostruire la mappa 3D della dose erogata al paziente durante il trattamento RT. 

Expected results

In the first year of the project, a first DL model will be developed and validated to convert EPID portal images (2D) into quantitative dose images (2D). The second year will be entirely devoted to the design, train and validation of innovative DL models to reconstruct the 3D map of the dose delivered to the patient during the RT treatment.

Budget totale progetto

€ 88.442,00

Contributo