論文の概要: Understanding the PULSAR Effect in Combined Radiotherapy and
Immunotherapy through Attention Mechanisms with a Transformer Model
- arxiv url: http://arxiv.org/abs/2403.04175v1
- Date: Thu, 7 Mar 2024 03:12:31 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-08 15:25:47.327551
- Title: Understanding the PULSAR Effect in Combined Radiotherapy and
Immunotherapy through Attention Mechanisms with a Transformer Model
- Title(参考訳): トランスフォーマーモデルを用いた放射線療法と免疫療法の併用によるPULSAR効果の解明
- Authors: Hao Peng, Casey Moore, Debabrata Saha, Steve Jiang and Robert
Timmerman
- Abstract要約: PULSARは、パーソナライズされた癌管理に対する立体的アブレーション放射線療法の適応である。
PULSARとPD-L1ブロックド免疫療法の根本的相互作用を調べるために,トランスフォーマーを用いたアテンション機構を初めて適用した。
提案手法は, 腫瘍容積の変化傾向を半定量的に予測し, 自己注意スコアと横断注意スコアの両方を通して潜在的な因果関係の同定に優れる。
- 参考スコア(独自算出の注目度): 15.92881751491451
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: PULSAR (personalized, ultra-fractionated stereotactic adaptive radiotherapy)
is the adaptation of stereotactic ablative radiotherapy towards personalized
cancer management. For the first time, we applied a transformer-based attention
mechanism to investigate the underlying interactions between combined PULSAR
and PD-L1 blockade immunotherapy based on a murine cancer model (Lewis Lung
Carcinoma, LLC). The proposed approach is able to predict the trend of tumor
volume change semi-quantitatively, and excels in identifying the potential
causal relationships through both self-attention and cross-attention scores.
- Abstract(参考訳): PULSAR(Personalized, Ultra-fractionated stereotactic Adaptive Radiotherapy)は、パーソナライズされたがん管理に対する定位的アブレーションの適応である。
マウス癌モデル(lewis lung cancer, llc)に基づいたpd-l1阻害免疫療法とパルサーとの相互作用を初めて検討するためにトランスフォーマを用いた注意機構を適用した。
提案手法は,腫瘍体積変化の傾向を半定量的に予測でき,自発性および交叉性スコアの双方を通して,潜在的因果関係の同定に優れている。
関連論文リスト
- Radiomics-guided Multimodal Self-attention Network for Predicting Pathological Complete Response in Breast MRI [3.6852491526879687]
本研究では,ダイナミックコントラスト強調画像(DCE)とADCマップを用いた乳癌患者のpCR予測モデルを提案する。
本手法は, 腫瘍関連領域からの特徴抽出を誘導するために放射線を利用した自己注意機構を備えたエンコーダを用いて, DCE MRI と ADC から特徴抽出を行う。
論文 参考訳(メタデータ) (2024-06-05T04:49:55Z) - 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) - Dose Prediction Driven Radiotherapy Paramters Regression via Intra- and
Inter-Relation Modeling [8.31243292970232]
線量マップ予測段階と放射線治療パラメータ回帰段階を含む放射線治療パラメータを直接回帰する新しい2段階フレームワークを提案する。
ステージ1では、トランスフォーマーと畳み込みニューラルネットワーク(CNN)を組み合わせて、豊かなグローバルおよびローカル情報で現実的な線量マップを予測する。
ステージ2では、イントラ・リレーショナル・モデリング(Intra-RM)モジュールとインター・リレーショナル・モデリング(Inter-RM)モジュール(Inter-RM)モジュールの2つの精巧なモジュールが、正確なパラメータ回帰のために臓器特異的および臓器共有の特徴を利用するように設計されている。
論文 参考訳(メタデータ) (2024-02-29T05:57:35Z) - 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) - ChatRadio-Valuer: A Chat Large Language Model for Generalizable
Radiology Report Generation Based on Multi-institution and Multi-system Data [115.0747462486285]
ChatRadio-Valuerは、一般化可能な表現を学習する自動放射線学レポート生成のための調整されたモデルである。
本研究で利用した臨床データセットは,textbf332,673の顕著な総計を含む。
ChatRadio-Valuerは、最先端のモデル、特にChatGPT(GPT-3.5-Turbo)やGPT-4などより一貫して優れている。
論文 参考訳(メタデータ) (2023-10-08T17:23:17Z) - Improved Prognostic Prediction of Pancreatic Cancer Using Multi-Phase CT
by Integrating Neural Distance and Texture-Aware Transformer [37.55853672333369]
本稿では, 異なる患者のCT像における腫瘍と血管の正確な関係を記述した, 学習可能なニューラル距離を提案する。
発達したリスクマーカーは, 術前因子の生存率の予測因子として最強であった。
論文 参考訳(メタデータ) (2023-08-01T12:46:02Z) - Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep
Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。
金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。
本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
論文 参考訳(メタデータ) (2023-04-12T15:08:34Z) - 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) - Exploiting segmentation labels and representation learning to forecast
therapy response of PDAC patients [60.78505216352878]
化学療法に対する腫瘍反応を予測するためのハイブリッドディープニューラルネットワークパイプラインを提案する。
セグメンテーションから分類への表現伝達の組み合わせと、ローカライゼーションと表現学習を利用する。
提案手法は, 合計477個のデータセットを用いて, ROC-AUC 63.7% の処理応答を予測できる, 極めて効率的な手法である。
論文 参考訳(メタデータ) (2022-11-08T11:50:31Z) - Generating counterfactual explanations of tumor spatial proteomes to
discover effective strategies for enhancing immune infiltration [44.99833362998488]
腫瘍微小環境(TME)は免疫組成により癌予後に大きな影響を及ぼす。
本稿では,T細胞浸潤予測を自己教師型機械学習問題として定式化する。
悪性黒色腫,大腸癌肝転移,乳癌データに枠組みを応用し,T細胞浸潤が予測される摂動を発見した。
論文 参考訳(メタデータ) (2022-11-08T05:46:02Z) - Optimizing Radiotherapy Plans for Cancer Treatment with Tensor Networks [0.0]
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。
論文 参考訳(メタデータ) (2020-10-19T14:28:21Z)
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。