論文の概要: Optimizing Radiotherapy Plans for Cancer Treatment with Tensor Networks
- arxiv url: http://arxiv.org/abs/2010.09552v1
- Date: Mon, 19 Oct 2020 14:28:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-28 08:00:53.855563
- Title: Optimizing Radiotherapy Plans for Cancer Treatment with Tensor Networks
- Title（参考訳）: テンソルネットワークを用いた癌治療のための放射線治療計画の最適化
- Authors: Samuele Cavinato, Timo Felser, Marco Fusella, Marta Paiusco, and
Simone Montangero
- Abstract要約: IMRT(Intensity-Modulated Radiation Therapy)技術は、不均一な腫瘍や不均一な腫瘍を治療し、健康な臓器に対する放射線毒性を低下させる。
我々は、線量最適化問題をIsing-like Hamiltonianの基底状態の探索にマッピングし、長距離相互作用量子ビットの系を記述する。
同様のアプローチは、将来のハイブリッド古典量子アルゴリズムにも適用でき、将来の医療における量子技術の利用の道を開くことができる。
- 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: We present a novel application of Tensor Network methods in cancer treatment
as a potential tool to solve the dose optimization problem in radiotherapy. In
particular, the Intensity-Modulated Radiation Therapy (IMRT) technique - that
allows treating irregular and inhomogeneous tumors while reducing the radiation
toxicity on healthy organs - is based on the optimization of the radiation
beamlets intensities. The optimization aims to maximize the delivery of the
therapy dose to cancer while avoiding the organs at risk to prevent their
damage by the radiation. Here, we map the dose optimization problem into the
search of the ground state of an Ising-like Hamiltonian, describing a system of
long-range interacting qubits. Finally, we apply a Tree Tensor Network
algorithm to find the ground-state of the Hamiltonian. In particular, we
present an anatomical scenario exemplifying a prostate cancer treatment. A
similar approach can be applied to future hybrid classical-quantum algorithms,
paving the way for the use of quantum technologies in future medical
treatments.
- Abstract（参考訳）: 放射線治療における線量最適化の課題を解決する手段として, 癌治療におけるTensor Network手法の新たな応用法を提案する。
特に、不均一および不均一な腫瘍を治療し、健康な臓器の放射線毒性を低減させるIMRT(Intensity-Modulated Radiation Therapy)技術は、放射線ビームレット強度の最適化に基づいている。
この最適化は、放射線による損傷を防ぐために危険にさらされている臓器を避けながら、がんに対する治療用量の提供を最大化することを目的としている。
ここでは、線量最適化問題をIsing-like Hamiltonianの基底状態の探索にマッピングし、長距離相互作用量子ビットの系を記述する。
最後に、ハミルトニアンの基底状態を見つけるためにツリーテンソルネットワークアルゴリズムを適用する。
特に,前立腺癌治療の例を示す解剖学的シナリオを提案する。
同様のアプローチは、将来のハイブリッド古典量子アルゴリズムにも適用でき、将来の医療における量子技術の利用の道を開くことができる。
関連論文リスト
- Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
乳がん治療計画において、グレーディングは重要な役割を担っている。
現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。
本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
論文 参考訳（メタデータ） (2024-05-13T15:48:26Z) - Using Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。
ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。
本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
論文 参考訳（メタデータ） (2024-05-13T15:40:56Z) - An Overview of the Development of Stereotactic Body Radiation Therapy [0.4162345860773601]
立体体放射線療法(SBRT)とは、腫瘍の病変領域に3次元空間で高エネルギー線を集中させることである。
医用画像、放射線生物学、その他の分野の包括的発展に伴い、この低屈折率で高線量放射線治療法が臨床に応用されつつある。
論文 参考訳（メタデータ） (2024-02-26T16:38:22Z) - Prediction of brain tumor recurrence location based on multi-modal
fusion and nonlinear correlation learning [55.789874096142285]
深層学習に基づく脳腫瘍再発位置予測ネットワークを提案する。
まず、パブリックデータセットBraTS 2021上で、マルチモーダル脳腫瘍セグメンテーションネットワークをトレーニングする。
次に、事前訓練されたエンコーダを、リッチなセマンティックな特徴を抽出するために、プライベートデータセットに転送する。
2つのデコーダは、現在の脳腫瘍を共同に分断し、将来の腫瘍再発位置を予測するために構築されている。
論文 参考訳（メタデータ） (2023-04-11T02:45:38Z) - Enhancing Clinical Support for Breast Cancer with Deep Learning Models
using Synthetic Correlated Diffusion Imaging [66.63200823918429]
深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。
我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。
提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
論文 参考訳（メタデータ） (2022-11-10T03:02:12Z) - Variable length genetic algorithm with continuous parameters
optimization of beam layout in proton therapy [0.0]
遺伝的アプローチに基づく新しい最適化フレームワークについて検討する。
目標点とビーム入射角を連続的に同時に最適化することを提案する。
テクティタの技術的制約は考慮されていない、すなわちビームエネルギー値、入射方向、ターゲットポイントは自由パラメータである。
論文 参考訳（メタデータ） (2022-05-17T14:31:33Z) - Artificial Intelligence Solution for Effective Treatment Planning for
Glioblastoma Patients [0.0]
グリオ芽腫は成人で最も多い悪性脳腫瘍である。
毎年約20万人がグリオ芽腫で死亡している。
グリオブラスト腫患者は、至適治療で12カ月、治療なしで約4カ月生存する。
論文 参考訳（メタデータ） (2022-03-09T22:29:48Z) - Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology:
AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。
本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
論文 参考訳（メタデータ） (2022-02-17T08:33:52Z) - EMT-NET: Efficient multitask network for computer-aided diagnosis of
breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。
腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。
腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文 参考訳（メタデータ） (2022-01-13T05:24:40Z) - Utilizing Differential Evolution into optimizing targeted cancer
treatments [0.0]
微分進化の研究は、実数値問題におけるこの手法の多様性の高効率化によって動機づけられた。
The basic DE algorithm, "DE/rand/1" was used to optimization thesimulated design of a target drug delivery system for tumor treatment on PhysiCell simulator。
論文 参考訳（メタデータ） (2020-03-21T10:20:43Z)
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。