GENERATING AND APPLYING ROBUST DOSE PREDICTION MODELS

Nominal values of parameters, and perturbations of the nominal values, that are associated with previously defined radiation treatment plans are accessed (202). For each treatment field of the treatment plans, a field-specific planning target volume (fsPTV) is determined (204) based on those perturbations. At least one clinical target volume (CTV) and at least one organ-at-risk (OAR) volume are also delineated. Each OAR includes at least one sub-volume that is delineated (208) based on spatial relationships between each OAR and the CTV and the fsPTV for each treatment field. Dose distributions for the sub-volumes are determined (210) based on the nominal values and the perturbations. One or more dose prediction models are generated (f212) or each sub-volume. The dose prediction model(s) are trained using the dose distributions. On accède à des valeurs nominales de paramètres et des perturbations des valeurs nominales qui sont associées à des plans de radiothérapie précédemment définis (202). Pour chaque champ de traitement des plans de traitement, un volume cible de planification spécifique au champ (fsPTV) est déterminé (204) sur la base de ces perturbations. Au moins un volume cible clinique (CTV) et au moins un volume d'organe à risque (OAR) sont également délimités. Chaque OAR comprend au moins un sous-volume qui est délimité (208) sur la base de relations spatiales entre chaque OAR et le CTV et le fsPTV pour chaque champ de traitement. Des distributions de dose pour les sous-volumes sont déterminées (210) sur la base des valeurs nominales et des perturbations. Un ou plusieurs modèles de prédiction de dose sont générés (f212) ou chaque sous-volume. Le ou les modèles de prédiction de dose sont entraînés à l'aide des distributions de dose.