Aplicaci´on de cGAN: predicci´on de dosis para tratamientos de radioterapia
Palabras clave:
GAN, cGAN, redes generativas adversariales condicionales, predicción de dosis, SBRT, cáncer de próstata, radioterapiaResumen
En este trabajo presentamos la aplicación de un modelo basado en redes generativas adversariales condicionadas (cGAN) para la planificación de tratamientos de radioterapia corporal estereotáctica (SBRT) para cáncer de próstata. Proponemos una arquitectura inspirada en enfoques previos utilizados en la planificación de dosis para otros tipos de cáncer, adaptada específicamente a las características y requerimientos clínicos de tratamiento del cáncer de próstata. Evaluamos el desempeño del modelo utilizando datos de casos reales tratados en un centro de radioterapia de Córdoba, comparando los planes de dosis generados con los planes clínicos aprobados por especialistas. Los resultados obtenidos en el conjunto de prueba presentaron en los DVH en promedio un RMSE del 2,98% sobre el volumen del PTV, 3,56% sobre el volumen del recto y 2,32% sobre el volumen de la vejiga. Esto sugiere que el uso de redes generativas adversariales puede ser una herramienta prometedora para mejorar la eficiencia en la planificación de la SBRT.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Sofia Ortman, Maximiliano Vera Poliche, Caroline Descamps, Edgardo Garrigó, Nehuen Gonzalez-Montoro
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Acorde a estos términos, el material se puede compartir (copiar y redistribuir en cualquier medio o formato) y adaptar (remezclar, transformar y crear a partir del material otra obra), siempre que a) se cite la autoría y la fuente original de su publicación (revista y URL de la obra), b) no se use para fines comerciales y c) se mantengan los mismos términos de la licencia.
