論文の概要: Adaptive Objective Configuration in Bi-Objective Evolutionary
Optimization for Cervical Cancer Brachytherapy Treatment Planning
- arxiv url: http://arxiv.org/abs/2203.08851v1
- Date: Wed, 16 Mar 2022 18:16:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-21 22:50:11.499425
- Title: Adaptive Objective Configuration in Bi-Objective Evolutionary
Optimization for Cervical Cancer Brachytherapy Treatment Planning
- Title（参考訳）: 骨盤癌治療計画立案における適応的目的適応型進化最適化法
- Authors: Leah R.M. Dickhoff, Ellen M. Kerkhof, Heloisa H. Deuzeman, Carien L.
Creutzberg, Tanja Alderliesten, Peter A.N. Bosman
- Abstract要約: そこで我々はMO-RV-GOMEAを用いた適応的客観的構成法を提案する。
本研究は,10症例に対して,新たなアプローチが目的を適切に考慮し,目的を適切に達成する方法を示す。
- 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: The Multi-Objective Real-Valued Gene-pool Optimal Mixing Evolutionary
Algorithm (MO-RV-GOMEA) has been proven effective and efficient in solving
real-world problems. A prime example is optimizing treatment plans for prostate
cancer brachytherapy, an internal form of radiation treatment, for which
equally important clinical aims from a base protocol are grouped into two
objectives and bi-objectively optimized. This use of MO-RV-GOMEA was recently
successfully introduced into clinical practice. Brachytherapy can also play an
important role in treating cervical cancer. However, using the same approach to
optimize treatment plans often does not immediately lead to clinically
desirable results. Concordantly, medical experts indicate that they use
additional aims beyond the cervix base protocol. Moreover, these aims have
different priorities and can be patient-specifically adjusted. For this reason,
we propose a novel adaptive objective configuration method to use with
MO-RV-GOMEA so that we can accommodate additional aims of this nature. Based on
results using only the base protocol, in consultation with medical experts, we
configured key additional aims. We show how, for 10 patient cases, the new
approach achieves the intended result, properly taking into account the
additional aims. Consequently, plans resulting from the new approach are
preferred by medical specialists in 8/10 cases.
- Abstract（参考訳）: 多目的実値遺伝子プール最適混合進化アルゴリズム (MO-RV-GOMEA) は実世界の問題を解決する上で有効かつ効果的であることが証明されている。
主な例として、放射線治療の内的形態である前立腺癌治療の治療法計画を最適化し、ベースプロトコルから同様に重要な臨床目的を2つの目的に分類し、客観的に最適化する。
このMO-RV-GOMEAの使用は,最近臨床応用に成功している。
ブラキセラピーは子宮頸癌の治療にも重要な役割を果たす。
しかし、同じアプローチで治療計画を最適化することは、しばしば臨床的に望ましい結果につながるわけではない。
医学の専門家は、cervixベースプロトコル以外にも追加の目的があることを示している。
さらに、これらの目的は異なる優先順位を持ち、患者特異的に調整できる。
そこで本研究では,MO-RV-GOMEAを用いた適応目的設定手法を提案する。
基本プロトコルのみを用いた結果に基づいて,医療専門家との相談において,重要な追加目標を設定した。
10例の患者に対して,新たなアプローチが目的を適切に考慮し,意図した結果を達成する方法を示す。
その結果, 8/10症例において, 新しいアプローチによる計画が医療専門家に好まれる。
関連論文リスト
- Pruning the Path to Optimal Care: Identifying Systematically Suboptimal Medical Decision-Making with Inverse Reinforcement Learning [14.688842697886484]
本稿では, 同僚の行動に基づいて, 最適な臨床行為を識別する逆強化学習の新たな応用法を提案する。
このアプローチはIRLの2つの段階を中心とし、コンセンサスから大きく逸脱する行動を示す軌跡をプーンする中間段階を持つ。
論文 参考訳（メタデータ） (2024-11-07T23:16:59Z) - A Decision Making Approach for Chemotherapy Planning based on
Evolutionary Processing [0.0]
本稿では,がん化学療法のための多目的メタヒューリスティック法を提案する。
提案手法は, 薬物濃度, 腫瘍増殖量, 毒性量を測定するために, 数学的モデルを用いている。
以上の結果から, 提案手法は, より最近の類似手法と比較して, 治療性能が向上することが示された。
論文 参考訳（メタデータ） (2023-03-19T02:26:50Z) - Adaptive Identification of Populations with Treatment Benefit in
Clinical Trials: Machine Learning Challenges and Solutions [78.31410227443102]
確定的臨床試験において,特定の治療の恩恵を受ける患者サブポピュレーションを適応的に同定する問題について検討した。
サブポピュレーション構築のためのメタアルゴリズムであるAdaGGIとAdaGCPIを提案する。
論文 参考訳（メタデータ） (2022-08-11T14:27:49Z) - Strategising template-guided needle placement for MR-targeted prostate
biopsy [4.098030060686299]
2次元超音波像と生検針の連続的位置決めの動作を最適化する強化学習方針を学習する。
実験の結果, 提案したRL学習ポリシーは平均ヒット率93%, がんコア長11mmであった。
論文 参考訳（メタデータ） (2022-07-21T23:27:07Z) - A Deep Bayesian Bandits Approach for Anticancer Therapy: Exploration via
Functional Prior [13.368491963797151]
機械学習によるパーソナライズされたがん治療は がん患者が生存する可能性を改善する 素晴らしい約束です
近年の機械学習と精度オンコロジーの進歩にもかかわらず、このアプローチは依然として困難である。
本稿では,がん細胞株の文脈情報に基づいて抗がん治療をアルゴリズムが選択する「コンテキスト・バンディット」問題として薬物スクリーニング研究を定式化する。
本稿では,ゲノム的特徴と薬物構造からなるマルチモーダル情報に基づく薬物応答予測のために,薬物応答予測に先行して機能的を利用する新しいディープベイズ・バンディット・フレームワークを提案する。
論文 参考訳（メタデータ） (2022-05-05T21:56:14Z) - Conditional Generation Net for Medication Recommendation [73.09366442098339]
医薬推奨は、患者の診断に従って適切な薬セットを提供することを目標としており、これは診療所において重要な課題である。
医薬品群を生成するための新しいコピー・アンド・予測機構を導入した条件生成ネット(COGNet)を提案する。
提案手法を公開MIMICデータセット上で検証し,実験結果から,提案手法が最先端の手法より優れていることを示す。
論文 参考訳（メタデータ） (2022-02-14T10:16:41Z) - Real-time landmark detection for precise endoscopic submucosal
dissection via shape-aware relation network [51.44506007844284]
内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。
まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。
次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
論文 参考訳（メタデータ） (2021-11-08T07:57:30Z) - The Medkit-Learn(ing) Environment: Medical Decision Modelling through
Simulation [81.72197368690031]
医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。
Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
論文 参考訳（メタデータ） (2021-06-08T10:38:09Z) - 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) - Treatment Targeting by AUUC Maximization with Generalization Guarantees [7.837855832568568]
個々の治療効果予測に基づいて治療課題を最適化する作業を検討する。
本稿では, 昇降曲線(AUUC)に基づく一般化を提案し, AUUC-max(AUUC-max)と呼ばれる, この境界の導出可能なサロゲートを最適化する新しい学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-12-17T19:32:35Z) - MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。
我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。
我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
論文 参考訳（メタデータ） (2020-10-08T15:30:17Z)
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。