論文の概要: Latent Space Arc Therapy Optimization
- arxiv url: http://arxiv.org/abs/2106.05846v1
- Date: Mon, 24 May 2021 19:06:00 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-15 14:51:54.025246
- Title: Latent Space Arc Therapy Optimization
- Title（参考訳）: 潜時空間アーク治療最適化
- Authors: Noah Bice, Mohamad Fakhreddine, Ruiqi Li, Dan Nguyen, Christopher
Kabat, Pamela Myers, Niko Papanikolaou, and Neil Kirby
- Abstract要約: アークセラピー計画は高次元非インフォームド最適化において難しい問題である。
本稿では,教師なしディープラーニングを用いたアークセラピー最適化の課題に対処する。
エンジンは低次元のアーク表現に基づいて構築され、より高速な計画時間を実現する。
- 参考スコア（独自算出の注目度）: 1.1186291300604743
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Volumetric modulated arc therapy planning is a challenging problem in
high-dimensional, non-convex optimization. Traditionally, heuristics such as
fluence-map-optimization-informed segment initialization use locally optimal
solutions to begin the search of the full arc therapy plan space from a
reasonable starting point. These routines facilitate arc therapy optimization
such that clinically satisfactory radiation treatment plans can be created in
about 10 minutes. However, current optimization algorithms favor solutions near
their initialization point and are slower than necessary due to plan
overparameterization. In this work, arc therapy overparameterization is
addressed by reducing the effective dimension of treatment plans with
unsupervised deep learning. An optimization engine is then built based on
low-dimensional arc representations which facilitates faster planning times.
- Abstract（参考訳）: 体積変調アーク治療計画は高次元非凸最適化において難しい問題である。
伝統的に、フルエンスマップ最適化インフォームドセグメント初期化のようなヒューリスティックスは、局所最適解を用いて、合理的な出発点から全弧治療計画空間の探索を開始する。
これらのルーチンは、臨床的に十分な放射線治療計画を約10分で作成できるように、アークセラピーの最適化を促進する。
しかし、現在の最適化アルゴリズムは初期化点付近の解を好んでおり、計画過パラメータ化のため必要以上に遅い。
本研究では、教師なし深層学習による治療計画の有効次元を減らし、アーク治療過度パラメータ化に取り組む。
最適化エンジンは低次元アーク表現に基づいて構築され、より高速な計画時間を実現する。
関連論文リスト
- SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid Registration [76.40993825836222]
本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。
提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
論文 参考訳（メタデータ） (2024-05-30T15:55:04Z) - Efficient Radiation Treatment Planning based on Voxel Importance [1.9712632719704106]
本稿では,情報ボクセルの代表的な部分集合のみを用いることで,大規模な最適化問題を削減する手法を提案する。
オープンベンチマークデータに関する実証実験では、最適化時間が大幅に短縮され、オリジナルのものよりも最大50倍速くなった。
論文 参考訳（メタデータ） (2024-05-06T21:55:19Z) - A Particle-based Sparse Gaussian Process Optimizer [5.672919245950197]
本稿では,下降の動的過程を利用した新しいスワム・スワムベースのフレームワークを提案する。
このアプローチの最大の利点は、降下を決定する前に現在の状態についてより深い探索を行うことである。
論文 参考訳（メタデータ） (2022-11-26T09:06:15Z) - A Data-Driven Evolutionary Transfer Optimization for Expensive Problems
in Dynamic Environments [9.098403098464704]
データ駆動、つまりサロゲート支援、進化的最適化は、高価なブラックボックス最適化問題に対処するための効果的なアプローチとして認識されている。
本稿では,データ駆動型進化的最適化により動的最適化問題を解くための,シンプルだが効果的な伝達学習フレームワークを提案する。
提案手法の有効性を実世界のケーススタディで実証した。
論文 参考訳（メタデータ） (2022-11-05T11:19:50Z) - Towards the optimization of ballistics in proton therapy using genetic
algorithms: implementation issues [0.0]
遺伝的アルゴリズム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。
提案された最適化ルーチンは典型的には、数千の固定サイズのスポットを考慮に入れている。
提案する遺伝的アルゴリズムの挙動は, 基礎的, 臨床的に有意なテストケースで示される。
論文 参考訳（メタデータ） (2022-05-17T12:31:14Z) - Optimal Parameter-free Online Learning with Switching Cost [47.415099037249085]
オンライン学習における自由とは、後ろ向きの最適決定に対するアルゴリズムの適応性を指す。
本稿では,パラメータフリーで要求される楽観的な更新を,スイッチングコストを前提として,そのようなアルゴリズムを設計する。
本稿では,オンライン線形最適化 (OLO) のための簡易かつ強力なアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-05-13T18:44:27Z) - Efficient Projection-Free Online Convex Optimization with Membership
Oracle [11.745866777357566]
ユークリッド球上で定義された任意のアルゴリズムAを、球に含まれる制約付き集合 C 上のアルゴリズムに変換する新しい還元法を提案する。
我々の削減には、O(T log T) を T ラウンド後に C 上で Oracle に呼び出しる必要があり、C 上の線形最適化は不要である。
論文 参考訳（メタデータ） (2021-11-10T17:22:29Z) - On Constraints in First-Order Optimization: A View from Non-Smooth
Dynamical Systems [99.59934203759754]
本稿では,スムーズな制約付き最適化のための一階法について紹介する。
提案手法の2つの特徴は、実現可能な集合全体の投影や最適化が避けられることである。
結果として得られるアルゴリズムの手順は、制約が非線形であっても簡単に実装できる。
論文 参考訳（メタデータ） (2021-07-17T11:45:13Z) - Resource Planning for Hospitals Under Special Consideration of the
COVID-19 Pandemic: Optimization and Sensitivity Analysis [87.31348761201716]
新型コロナウイルス(covid-19)パンデミックのような危機は、医療機関にとって深刻な課題となる。
BaBSim.Hospitalは離散イベントシミュレーションに基づく容量計画ツールである。
BaBSim.Hospitalを改善するためにこれらのパラメータを調査し最適化することを目指しています。
論文 参考訳（メタデータ） (2021-05-16T12:38:35Z) - A feasibility study of a hyperparameter tuning approach to automated
inverse planning in radiotherapy [68.8204255655161]
本研究の目的は,計画品質を保ちながら,逆計画プロセスを自動化し,積極的な計画時間を短縮することである。
本研究では, 線量パラメータの選択, ランダムおよびベイズ探索法, ユーティリティ関数形式が計画時間と計画品質に及ぼす影響について検討した。
100個のサンプルを用いて良好な計画品質が得られ、平均計画時間は2.3時間であった。
論文 参考訳（メタデータ） (2021-05-14T18:37:00Z) - Proximal Gradient Algorithm with Momentum and Flexible Parameter Restart
for Nonconvex Optimization [73.38702974136102]
アルゴリズムの高速化のために,パラメータ再起動方式が提案されている。
本論文では,非滑らかな問題を解くアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-02-26T16:06:27Z)
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。