概要: 学習ベースのフルエンスマップ予測は、強度変調放射線治療（IMRT）における反復的な逆計画に対する高速な代替手段を提供しますが、現実的な分布シフト下での頑健性は依然として不明です。私たちは、解剖情報（CTと輪郭）から線量を求め、さらにそこからビームレットのフルエンスマップへと写像する、2段階のトランスフォーマーパイプラインを研究します。フルエンス段のトランスフォーマー・バックボーンについて、階層型・グローバル型・ハイブリッド型のアテンションを比較し、物理に基づく損失（エネルギー整合性を強制する）で学習します。頑健性は、幾何学的摂動、放射計測ノイズ、学習データの削減、ならびに前立腺IMRTデータセットを用いたドメインシフトのもとで評価し、加えて線量段については公開データセットで追加評価を行います。その結果、適度な摂動では滑らかな劣化が見られる一方で、重度の回転やノイズでは急激な失敗が起こることが示されます。階層型トランスフォーマー（例: SwinUNETR）は、上位四分位のエネルギー誤差の増加が遅く、頑健性の向上を示唆します。さらに、SSIM単独では臨床的に関連する誤りを捉えられないことを示し、物理に基づく評価の必要性を強調します。
臨床的に現実的な摂動下におけるトランスフォーマー型フルエンスマップ予測の頑健性
arXiv cs.CV / 2026/5/5
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- IMRT（強度変調放射線治療）におけるフルエンスマップ予測を行う2段階トランスフォーマーパイプラインが、臨床的に現実的な分布シフトや摂動下でどの程度耐性を持つかを評価している。
- フルエンス段階のトランスフォーマーバックボーンとして、階層型・グローバル・ハイブリッドな注意機構などを比較し、エネルギー整合性を強制する物理情報入り損失で学習させている。
- 順応性は中程度の幾何学的／放射測定的変化では滑らかに低下する一方、重度の回転や強いノイズでは急激な失敗が起こり得る。
- SwinUNETRのような階層型トランスフォーマーは、上側四分位のエネルギー誤差の増加が遅いことから、より良い頑健性を示している。
- SSIMだけでは臨床的に意味のある誤差を捉えきれないため、画像類似性以外の物理情報に基づく評価が必要だと結論づけている。
