論文の概要: Noisy probing dose facilitated dose prediction for pencil beam scanning
proton therapy: physics enhances generalizability
- arxiv url: http://arxiv.org/abs/2312.00975v1
- Date: Sat, 2 Dec 2023 00:15:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-05 19:50:59.683156
- Title: Noisy probing dose facilitated dose prediction for pencil beam scanning
proton therapy: physics enhances generalizability
- Title（参考訳）: 鉛筆ビーム走査陽子治療におけるノイズ検出線量促進線量予測:物理は一般化可能性を高める
- Authors: Lian Zhang, Jason M. Holmes, Zhengliang Liu, Hongying Feng, Terence T.
Sio, Carlos E. Vargas, Sameer R. Keole, Kristin St\"utzer, Sheng Li, Tianming
Liu, Jiajian Shen, William W. Wong, Sujay A. Vora, Wei Liu
- Abstract要約: フォトンとプロトン療法におけるAIベースの線量予測研究は、基礎となる物理学を無視することが多い。
本研究の目的は,物理認識と一般化可能なAIベースのPBSPT線量予測法を設計することである。
- 参考スコア（独自算出の注目度）: 18.852346492990637
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Purpose: Prior AI-based dose prediction studies in photon and proton therapy
often neglect underlying physics, limiting their generalizability to handle
outlier clinical cases, especially for pencil beam scanning proton therapy
(PBSPT). Our aim is to design a physics-aware and generalizable AI-based PBSPT
dose prediction method that has the underlying physics considered to achieve
high generalizability to properly handle the outlier clinical cases. Methods
and Materials: This study analyzed PBSPT plans of 103 prostate and 78 lung
cancer patients from our institution,with each case comprising CT images,
structure sets, and plan doses from our Monte-Carlo dose engine (serving as the
ground truth). Three methods were evaluated in the ablation study: the
ROI-based method, the beam mask and sliding window method, and the noisy
probing dose method. Twelve cases with uncommon beam angles or prescription
doses tested the methods' generalizability to rare treatment planning
scenarios. Performance evaluation used DVH indices, 3D Gamma passing rates
(3%/2mm/10%), and dice coefficients for dose agreement. Results: The noisy
probing dose method showed improved agreement of DVH indices, 3D Gamma passing
rates, and dice coefficients compared to the conventional methods for the
testing cases. The noisy probing dose method showed better generalizability in
the 6 outlier cases than the ROI-based and beam mask-based methods with 3D
Gamma passing rates (for prostate cancer, targets: 89.32%$\pm$1.45% vs.
93.48%$\pm$1.51% vs. 96.79%$\pm$0.83%, OARs: 85.87%$\pm$1.73% vs.
91.15%$\pm$1.13% vs. 94.29%$\pm$1.01%). The dose predictions were completed
within 0.3 seconds. Conclusions: We've devised a novel noisy probing dose
method for PBSPT dose prediction in prostate and lung cancer patients. With
more physics included, it enhances the generalizability of dose prediction in
handling outlier clinical cases.
- Abstract（参考訳）: 目的: 光子および陽子療法におけるAIベースの線量予測研究は、基礎となる物理を無視することが多く、特に鉛筆ビーム走査陽子療法(PBSPT)において、その一般化可能性を制限する。
本研究の目的は,外来臨床症例を適切に扱えるように,基礎となる物理を高度に一般化可能な,物理学的かつ汎用的なAIベースのPBSPT線量予測法を設計することである。
方法と材料: 本研究は, 当施設における前立腺癌103例, 肺癌78例のPBSPT計画を解析した。
アブレーション試験において, roi法, ビームマスク法, スライディングウインドウ法, ノイズプローブ線量法という3つの方法が評価された。
稀なビームアングルまたは処方用線量を持つ12症例において, まれな治療計画シナリオに対する方法の汎用性が検証された。
DVH指標, 3次元ガンマ通過率 (3%/2mm/10%) およびダイス係数を用いた線量一致の評価を行った。
結果: DVH指標, 3次元ガンマ通過率, ダイス係数の一致性は, 従来の試験法と比較して改善した。
3dガンマ通過率(前立腺癌では89.32%$\pm$1.45% vs.93.48%$\pm$1.51% vs.96.79%$\pm$0.83%,oars:85.87%$\pm$1.73% vs.91.15%$\pm$1.13% vs.94.29%$\pm$1.01%)のroiベースおよびビームマスク法よりも6つのアウトリーア症例でより一般性が高かった。
投与量予測は0.3秒以内に完了した。
結論: 前立腺癌および肺癌患者におけるPBSPT線量予測のための新しいノイズ検出線量法を考案した。
より多くの物理学を含むことで、異常な臨床症例を扱う際の線量予測の一般化性が向上する。
関連論文リスト
- Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
乳がん治療計画において、グレーディングは重要な役割を担っている。
現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。
本稿では,CDI$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) - Continuous sPatial-Temporal Deformable Image Registration (CPT-DIR) for motion modelling in radiotherapy: beyond classic voxel-based methods [10.17207334278678]
CPT-DIR(Continuous-sPatial-Temporal DIR)という,空間と時間の両方で連続的に動きをモデル化する暗黙的ニューラル表現(INR)に基づくアプローチを提案する。
DIRは,10例の肺4DCTのDIR-Labデータセットを用いて,ランドマーク精度(TRE),輪郭適合度(Dice),画像類似度(MAE)の測定を行った。
提案したCPT-DIRは、ランドマークTREを2.79mmから0.99mmに減らし、すべてのケースにおいてBスプラインの結果より優れている。
論文 参考訳（メタデータ） (2024-05-01T10:26:08Z) - Semi-supervised ViT knowledge distillation network with style transfer
normalization for colorectal liver metastases survival prediction [1.283897253352624]
本稿では,H&EおよびHPSで染色した組織学的スライドを用いて,自動予後予測のためのエンドツーエンドアプローチを提案する。
まずGAN(Generative Adversarial Network)を用いてスライス正規化を行い、染色のばらつきを低減し、予測パイプラインへの入力として使用される画像の全体的な品質を向上させる。
転移性結節および周囲組織から抽出した特徴を利用して予後モデルを訓練し,同時に知識蒸留フレームワークで視覚変換器(ViT)を訓練し,予後予測の性能を再現し,向上させる。
論文 参考訳（メタデータ） (2023-11-17T03:32:11Z) - SECRETS: Subject-Efficient Clinical Randomized Controlled Trials using
Synthetic Intervention [0.0]
クロスオーバー試験は、個人ごとの処理効果を測定することで、サンプルサイズの要求を減らすことができる。
外部データを用いることなく, 患者ごとの個別治療効果(ITE)を推定する新しいフレームワークであるSECRETSを提案する。
この結果から,SECRETSはRCTのパワーを向上しつつ,同等の意義レベルを維持することができることがわかった。
論文 参考訳（メタデータ） (2023-05-08T22:37:16Z) - A new methodology to predict the oncotype scores based on
clinico-pathological data with similar tumor profiles [0.0]
Oncotype DX (ODX) は乳がんの分子検査である。
本研究の目的は,医師の意思決定を支援する新しい手法を提案することである。
論文 参考訳（メタデータ） (2023-03-13T10:08:13Z) - Controlling False Positive/Negative Rates for Deep-Learning-Based
Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。
1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
論文 参考訳（メタデータ） (2021-06-04T09:51:27Z) - 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) - Applying a random projection algorithm to optimize machine learning
model for predicting peritoneal metastasis in gastric cancer patients using
CT images [0.3120960917423201]
手術前の癌転移のリスクを非侵襲的に予測することは、最適な治療方法を決定する上で重要な役割を担っている。
本研究では,小・不均衡の画像データセットを用いて最適な機械学習モデルを構築するための新しいアプローチについて検討する。
論文 参考訳（メタデータ） (2020-09-01T19:53:09Z) - Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。
また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
論文 参考訳（メタデータ） (2020-07-20T19:08:50Z) - Simultaneous Estimation of X-ray Back-Scatter and Forward-Scatter using
Multi-Task Learning [59.17383024536595]
後方散乱は複雑な介入の際の患者(皮膚)の服用に大きく寄与する。
前方散乱放射線は投影画像のコントラストを低減し、3次元再構成でアーティファクトを導入する。
本稿では,従来の手法と学習に基づく手法を組み合わせて,検出器に到達した前方散乱を同時に推定する手法を提案する。
論文 参考訳（メタデータ） (2020-07-08T10:47:37Z) - Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
前頭部胸部X線画像の重症度予測モデルを提案する。
このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
論文 参考訳（メタデータ） (2020-05-24T23:13:16Z)
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。