論文の概要: Probabilistic feature extraction, dose statistic prediction and dose
mimicking for automated radiation therapy treatment planning
- arxiv url: http://arxiv.org/abs/2102.12569v1
- Date: Wed, 24 Feb 2021 21:35:44 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-26 13:44:28.541524
- Title: Probabilistic feature extraction, dose statistic prediction and dose
mimicking for automated radiation therapy treatment planning
- Title（参考訳）: 自動放射線治療計画のための確率的特徴抽出、線量統計予測および線量模倣
- Authors: Tianfang Zhang and Rasmus Bokrantz and Jimmy Olsson
- Abstract要約: 線量関連量の予測不確実性を定量化する枠組みを提案する。
この情報は、自動放射線治療治療計画の文脈における線量模倣問題で活用することができます。
- 参考スコア（独自算出の注目度）: 0.5156484100374058
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Purpose: We propose a general framework for quantifying predictive
uncertainties of dose-related quantities and leveraging this information in a
dose mimicking problem in the context of automated radiation therapy treatment
planning. Methods: A three-step pipeline, comprising feature extraction, dose
statistic prediction and dose mimicking, is employed. In particular, the
features are produced by a convolutional variational autoencoder and used as
inputs in a previously developed nonparametric Bayesian statistical method,
estimating the multivariate predictive distribution of a collection of
predefined dose statistics. Specially developed objective functions are then
used to construct a dose mimicking problem based on the produced distributions,
creating deliverable treatment plans. Results: The numerical experiments are
performed using a dataset of 94 retrospective treatment plans of prostate
cancer patients. We show that the features extracted by the variational
autoencoder captures geometric information of substantial relevance to the dose
statistic prediction problem, that the estimated predictive distributions are
reasonable and outperforms a benchmark method, and that the deliverable plans
agree well with their clinical counterparts. Conclusions: We demonstrate that
prediction of dose-related quantities may be extended to include uncertainty
estimation and that such probabilistic information may be leveraged in a dose
mimicking problem. The treatment plans produced by the proposed pipeline
resemble their original counterparts well, illustrating the merits of a
holistic approach to automated planning based on probabilistic modeling.
- Abstract（参考訳）: 目的: 線量関連量の予測的不確かさを定量化し, 放射線治療計画における線量模倣問題においてその情報を活用する汎用的枠組みを提案する。
方法:特徴抽出、線量の統計的な予測および線量の模倣を含む3段階のパイプラインが、採用されます。
特に、これらの特徴は畳み込み変分オートエンコーダによって生成され、予め定義された線量統計の集合の多変量予測分布を推定する、以前に開発された非パラメトリックベイズ統計手法の入力として使用される。
特別に開発された目的関数を用いて、生成した分布に基づいて線量模倣問題を構築し、提供可能な治療計画を作成する。
結果: 前立腺癌患者94名の回顧的治療計画のデータセットを用いて数値実験を行った。
変分オートエンコーダによって抽出された特徴は、線量統計学的予測問題に相当する幾何学的情報を取り込み、推定された予測分布は妥当であり、ベンチマーク法を上回っており、納入可能な計画が臨床指標とよく一致することを示す。
結論: 線量関連量の予測を不確実性推定を含むように拡張し, 線量模倣問題においてそのような確率的情報を活用できることを示す。
提案したパイプラインの処理計画は、確率的モデリングに基づく自動計画に対する全体論的アプローチの利点を反映して、元の計画とよく似ている。
関連論文リスト
- Conformal Prediction for Dose-Response Models with Continuous Treatments [0.23213238782019321]
本稿では,線量応答モデルに対する予測区間を生成する新しい手法を提案する。
重み付き共形予測においてカーネル関数を重みとして適用することにより,各処理値の局所的カバレッジを近似する。
論文 参考訳（メタデータ） (2024-09-30T15:40:54Z) - SepsisLab: Early Sepsis Prediction with Uncertainty Quantification and Active Sensing [67.8991481023825]
セプシスは米国での院内死亡の主な原因である。
既存の予測モデルは通常、情報不足の少ない高品質なデータで訓練される。
限られた観察により信頼性の低い高リスク患者に対して,ロバストな能動センシングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-07-24T04:47:36Z) - Estimating Distributional Treatment Effects in Randomized Experiments: Machine Learning for Variance Reduction [6.909352249236339]
ランダム化実験における分散処理効果パラメータを推定するための新しい回帰調整法を提案する。
提案手法では,事前処理による協調処理を分散回帰フレームワークに組み込み,機械学習技術を用いて分散処理効果推定器の精度を向上させる。
論文 参考訳（メタデータ） (2024-07-22T20:28:29Z) - Tractable Function-Space Variational Inference in Bayesian Neural
Networks [72.97620734290139]
ニューラルネットワークの予測不確かさを推定するための一般的なアプローチは、ネットワークパラメータに対する事前分布を定義することである。
本稿では,事前情報を組み込むスケーラブルな関数空間変動推論手法を提案する。
提案手法は,様々な予測タスクにおいて,最先端の不確実性評価と予測性能をもたらすことを示す。
論文 参考訳（メタデータ） (2023-12-28T18:33:26Z) - Uncertainty Quantification in Heterogeneous Treatment Effect Estimation
with Gaussian-Process-Based Partially Linear Model [2.1212179660694104]
個人間での不均一な治療効果を推定することは、批判的な意思決定を行うための統計ツールとして注目されている。
比較的小さなサンプルサイズ設定での意思決定を支援するために,治療効果推定の不確かさを定量化するベイズ推論フレームワークを提案する。
論文 参考訳（メタデータ） (2023-12-16T12:42:28Z) - Quantification of Predictive Uncertainty via Inference-Time Sampling [57.749601811982096]
本稿では,データあいまいさの予測不確実性を推定するためのポストホックサンプリング手法を提案する。
この方法は与えられた入力に対して異なる可算出力を生成することができ、予測分布のパラメトリック形式を仮定しない。
論文 参考訳（メタデータ） (2023-08-03T12:43:21Z) - Benchmarking Heterogeneous Treatment Effect Models through the Lens of
Interpretability [82.29775890542967]
治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。
ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。
我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
論文 参考訳（メタデータ） (2022-06-16T17:59:05Z) - Probabilistic Prediction for Binary Treatment Choice: with focus on
personalized medicine [0.0]
本稿では,統計的決定理論をサンプルデータを用いた治療選択に適用する研究を拡張した。
特定の新しい貢献は、監視とアグレッシブな治療の間の臨床選択における疾患確率の推定を用いて、as-if最適化を研究することである。
論文 参考訳（メタデータ） (2021-10-02T18:34:59Z) - Increasing the efficiency of randomized trial estimates via linear
adjustment for a prognostic score [59.75318183140857]
ランダム化実験による因果効果の推定は臨床研究の中心である。
歴史的借用法のほとんどは、厳格なタイプiエラー率制御を犠牲にして分散の削減を達成する。
論文 参考訳（メタデータ） (2020-12-17T21:10:10Z) - Performance metrics for intervention-triggering prediction models do not
reflect an expected reduction in outcomes from using the model [71.9860741092209]
臨床研究者はしばしばリスク予測モデルの中から選択し評価する。
振り返りデータから算出される標準メトリクスは、特定の仮定の下でのみモデルユーティリティに関係します。
予測が時間を通して繰り返し配信される場合、標準メトリクスとユーティリティの関係はさらに複雑になる。
論文 参考訳（メタデータ） (2020-06-02T16:26:49Z) - Uncertainty estimation for classification and risk prediction on medical
tabular data [0.0]
本研究は,医療データの分類とリスク予測のための不確実性推定の理解を深めるものである。
医療などのデータ共有分野において、モデルの予測の不確実性を測定する能力は、意思決定支援ツールの改善につながる可能性がある。
論文 参考訳（メタデータ） (2020-04-13T08:46:41Z)
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。