論文の概要: A Method for Tumor Treating Fields Fast Estimation
- arxiv url: http://arxiv.org/abs/2010.02644v1
- Date: Tue, 6 Oct 2020 11:45:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-10 07:33:27.379318
- Title: A Method for Tumor Treating Fields Fast Estimation
- Title（参考訳）: 腫瘍治療フィールドの高速推定法
- Authors: Reuben R Shamir and Zeev Bomzon
- Abstract要約: 腫瘍治療野 (TTFields) は、特定の種類のがんに対してFDAが承認した治療であり、患者の寿命を大幅に延長する。
TTFieldsトランスデューサアレイ位置を最適化し,その強度を最大化することを提案した。
我々は,TTFields強度の高速推定法を開発した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Tumor Treating Fields (TTFields) is an FDA approved treatment for specific
types of cancer and significantly extends patients life. The intensity of the
TTFields within the tumor was associated with the treatment outcomes: the
larger the intensity the longer the patients are likely to survive. Therefore,
it was suggested to optimize TTFields transducer array location such that their
intensity is maximized. Such optimization requires multiple computations of
TTFields in a simulation framework. However, these computations are typically
performed using finite element methods or similar approaches that are time
consuming. Therefore, only a limited number of transducer array locations can
be examined in practice. To overcome this issue, we have developed a method for
fast estimation of TTFields intensity. We have designed and implemented a
method that inputs a segmentation of the patients head, a table of tissues
electrical properties and the location of the transducer array. The method
outputs a spatial estimation of the TTFields intensity by incorporating a few
relevant parameters in a random-forest regressor. The method was evaluated on
10 patients (20 TA layouts) in a leave-one-out framework. The computation time
was 1.5 minutes using the suggested method, and 180-240 minutes using the
commercial simulation. The average error was 0.14 V/cm (SD = 0.06 V/cm) in
comparison to the result of the commercial simulation. These results suggest
that a fast estimation of TTFields based on a few parameters is feasible. The
presented method may facilitate treatment optimization and further extend
patients life.
- Abstract（参考訳）: 腫瘍治療分野(ttfields)は、特定の種類のがんに対してfdaが承認した治療であり、患者の寿命を大幅に延長する。
腫瘍内のttフィールドの強度は治療の結果と相関し, 患者が生存する期間が長ければ長いほどその強度は増大する。
そのため,TTFieldsトランスデューサアレイ位置を最適化し,その強度を最大化することが示唆された。
このような最適化には、シミュレーションフレームワークにおけるTTFieldの複数の計算が必要である。
しかし、これらの計算は一般に有限要素法や時間消費の類似の手法を用いて行われる。
したがって、実際には限られた数のトランスデューサアレイ位置のみを検査できる。
そこで本研究では,TTFieldsの強度を高速に推定する手法を開発した。
我々は, 患者頭部のセグメンテーション, 組織電気的特性の表, トランスデューサアレイの位置を入力できる手法を設計し, 実装した。
ランダムフォレスト回帰器にいくつかの関連するパラメータを組み込むことで、TTFields強度の空間推定を出力する。
症例10名 (20 ta レイアウト) において, この手法を評価した。
計算時間は提案手法で1.5分,商用シミュレーションで180～240分であった。
平均誤差は商業シミュレーションの結果と比較して0.14V/cm(SD = 0.06V/cm)であった。
これらの結果から, TTFields の高速な推定が可能であることが示唆された。
本手法は治療の最適化を容易にし、患者の寿命をさらに延長することができる。
関連論文リスト
- Biomimicry in Radiation Therapy: Optimizing Patient Scheduling for Improved Treatment Outcomes [0.0]
本研究は,放射線治療領域(RT)におけるバイオミミクリー原則の統合と,患者スケジューリングの最適化について考察する。
複雑なオンラインスケジューリング問題に対処するため、3つのバイオインスパイアされたアルゴリズムが最適化に使用される。
本研究は,RTの患者スケジューリングの最適化に応用されたバイオインスパイアされたアルゴリズムの有効性を明らかにするものである。
論文 参考訳（メタデータ） (2024-01-16T15:37:23Z) - Stochastic Optimization for Non-convex Problem with Inexact Hessian
Matrix, Gradient, and Function [99.31457740916815]
信頼領域(TR)と立方体を用いた適応正則化は、非常に魅力的な理論的性質を持つことが証明されている。
TR法とARC法はヘッセン関数,勾配関数,関数値の非コンパクトな計算を同時に行うことができることを示す。
論文 参考訳（メタデータ） (2023-10-18T10:29:58Z) - Stochastic Marginal Likelihood Gradients using Neural Tangent Kernels [78.6096486885658]
線形化されたラプラス近似に下界を導入する。
これらの境界は漸進的な最適化が可能であり、推定精度と計算複雑性とのトレードオフを可能にする。
論文 参考訳（メタデータ） (2023-06-06T19:02:57Z) - Low-rank extended Kalman filtering for online learning of neural
networks from streaming data [71.97861600347959]
非定常データストリームから非線形関数のパラメータを推定するための効率的なオンライン近似ベイズ推定アルゴリズムを提案する。
この方法は拡張カルマンフィルタ (EKF) に基づいているが、新しい低ランク+斜角行列分解法を用いている。
変分推論に基づく手法とは対照的に,本手法は完全に決定論的であり,ステップサイズチューニングを必要としない。
論文 参考訳（メタデータ） (2023-05-31T03:48:49Z) - Sparse high-dimensional linear regression with a partitioned empirical
Bayes ECM algorithm [62.997667081978825]
疎高次元線形回帰に対する計算効率が高く強力なベイズ的手法を提案する。
パラメータに関する最小の事前仮定は、プラグイン経験的ベイズ推定(英語版)を用いて用いられる。
提案手法はRパッケージプローブに実装されている。
論文 参考訳（メタデータ） (2022-09-16T19:15:50Z) - Multi-input segmentation of damaged brain in acute ischemic stroke
patients using slow fusion with skip connection [1.372466817835681]
急性虚血性脳梗塞患者における2つの虚血領域(コアとペナムブラ)を自動分割する方法を提案する。
我々のモデルは、マルチインプットと遅い融合を伴う畳み込み・デコンボリューションのボトルネック構造に基づいている。
提案したアーキテクチャは、神経放射線学者が注釈付けした地上の真実に匹敵する効果的な性能と結果を示す。
論文 参考訳（メタデータ） (2022-03-18T16:26:53Z) - Tuning-free multi-coil compressed sensing MRI with Parallel Variable
Density Approximate Message Passing (P-VDAMP) [2.624902795082451]
並列可変密度近似メッセージパッシング(P-VDAMP)アルゴリズムを提案する。
状態の進化は、Stein's Unbiased Risk Estimate (SURE) を用いてスパースパラメータを自動的に調整する。
提案手法は, 最適に調整したスパース重み付けを施したFISTAと同様の再現品質と収束時間を有することがわかった。
論文 参考訳（メタデータ） (2022-03-08T16:11:41Z) - Fast Variational AutoEncoder with Inverted Multi-Index for Collaborative
Filtering [59.349057602266]
変分オートエンコーダ (VAE) は, 協調フィルタリングの非線形手法として拡張されている。
内積に基づくソフトマックス確率を逆多重インデックスに基づいて分解する。
FastVAEはサンプリング品質と効率の両面で最先端のベースラインを上回っます。
論文 参考訳（メタデータ） (2021-09-13T08:31:59Z) - Iterative Refinement in the Continuous Space for Non-Autoregressive
Neural Machine Translation [68.25872110275542]
非自己回帰型機械翻訳のための効率的な推論手法を提案する。
反復的に連続空間で純粋に翻訳を洗練させる。
We evaluate our approach on WMT'14 En-De, WMT'16 Ro-En and IWSLT'16 De-En。
論文 参考訳（メタデータ） (2020-09-15T15:30:14Z) - Multicategory Angle-based Learning for Estimating Optimal Dynamic
Treatment Regimes with Censored Data [12.499787110182632]
最適な治療体制(DTR)は、長期的な利益を最大化するための一連の決定規則から構成される。
本稿では,マルチカテゴリ処理フレームワークを用いて,最適DTRをターゲットとした新しい角度ベースアプローチを提案する。
本稿では,条件付き生存関数の最大化の観点から,提案手法が競合手法より優れていることを示す。
論文 参考訳（メタデータ） (2020-01-14T05:19:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。