بررسی خوشه بندی داده های حرکتی تومور ریه روی تخمین مکان آن با استفاده از مدل پیش بین در پرتودرمانی مبتنی بر نشانگرهای خارجی

در بین تومورهای بالاتنه، تومورهای ریه عمدتا تحت تاثیر تنفس حرکت می کنند. برای بالا بردن دقت پرتودرمانی یک راه حل این است که حرکت تومور را از روی حرکت خارجی قفسه سینه و ناحیه شکمی تخمین بزنیم. برای این منظور، مدلهای پیش بین سازگاری برای ردیابی زمان واقعی تومور ساخته و استفاده می گردند. در این مدلها، خوشه بندی داده های استخراج شده از حرکت تومور و قفسه سینه تاثیر بسزایی روی عملکرد مدل دارند که در این تحقیق مورد توجه قرار گرفته اند. در این ارزیابی، داده حرکتی پانزده بیمار دارای تومور ریه که توسط سیستم پرتودرمانی سایبرنایف در مرکز پزشکی دانشگاه جرج تاون درمان شدند، مورد استفاده قرار گرفته است. دو استراتژی رایج و موجود با نامهای افتراقی وC میانگین فازی در خوشه بندی داده های حرکتی استفاده شده تا تاثیر کمی هر کدام بصورت مقایسه ای بررسی گردد. آنالیز نهایی نتایج نشان می دهد که مقدار میانگین خطای هدف گیری مدل پیش بین یعنی فاصله بین مکان پیش بینی شده توسط مدل و مکان واقعی تومور، روی همه بیماران با اعمال روش خوشه بندی C میانگین فازی و خوشه بندی افتراقی به ترتیب 5/6 و 5/7 میلیمتر می باشد. بعلاوه، ردیابی مدل با اعمال روش خوشه بندی C میانگین فازی با پایداری بیشتری همراه است. از آنجایی که پدیده تنفس دامنه تغییرات بسیار بالایی دارد ، خوشه بندی داده های حرکتی نقش مهمی روی دقت عمکلرد مدل پیش بین با تعیین پارامترهای مدل در حین ساخت آن پیش از درمان و به روزرسانی مدل در حین درمان دارد.