論文の概要: Biomimicry in Radiation Therapy: Optimizing Patient Scheduling for Improved Treatment Outcomes
- arxiv url: http://arxiv.org/abs/2404.09996v1
- Date: Tue, 16 Jan 2024 15:37:23 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-01 11:58:46.130476
- Title: Biomimicry in Radiation Therapy: Optimizing Patient Scheduling for Improved Treatment Outcomes
- Title（参考訳）: 放射線治療におけるバイオミミミクス : 治療成績改善のための患者スケジューリングの最適化
- Authors: Keshav Kumar K., NVSL Narasimham,
- Abstract要約: 本研究は,放射線治療領域(RT)におけるバイオミミクリー原則の統合と,患者スケジューリングの最適化について考察する。
複雑なオンラインスケジューリング問題に対処するため、3つのバイオインスパイアされたアルゴリズムが最適化に使用される。
本研究は,RTの患者スケジューリングの最適化に応用されたバイオインスパイアされたアルゴリズムの有効性を明らかにするものである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the realm of medical science, the pursuit of enhancing treatment efficacy and patient outcomes continues to drive innovation. This study delves into the integration of biomimicry principles within the domain of Radiation Therapy (RT) to optimize patient scheduling, ultimately aiming to augment treatment results. RT stands as a vital medical technique for eradicating cancer cells and diminishing tumor sizes. Yet, the manual scheduling of patients for RT proves both laborious and intricate. In this research, the focus is on automating patient scheduling for RT through the application of optimization methodologies. Three bio-inspired algorithms are employed for optimization to tackle the complex online stochastic scheduling problem. These algorithms include the Genetic Algorithm (GA), Firefly Optimization (FFO), and Wolf Optimization (WO). These algorithms are harnessed to address the intricate challenges of online stochastic scheduling. Through rigorous evaluation, involving the scrutiny of convergence time, runtime, and objective values, the comparative performance of these algorithms is determined. The results of this study unveil the effectiveness of the applied bio-inspired algorithms in optimizing patient scheduling for RT. Among the algorithms examined, WO emerges as the frontrunner, consistently delivering superior outcomes across various evaluation criteria. The optimization approach showcased in this study holds the potential to streamline processes, reduce manual intervention, and ultimately improve treatment outcomes for patients undergoing RT.
- Abstract（参考訳）: 医学の分野では、治療効果の向上と患者の成果の追求がイノベーションを推進し続けている。
本研究は,放射線治療領域(RT)におけるバイオミミクリー原則の統合と,患者のスケジューリングを最適化し,最終的に治療結果を増強することを目的としている。
RTは、がん細胞を根絶し、腫瘍の大きさを小さくするための重要な医療技術である。
しかし、RT患者の手作業によるスケジュールは、手間と複雑さの両方を証明している。
本研究では,最適化手法の適用を通じて,RTの患者スケジューリングを自動化することに焦点を当てた。
複雑なオンライン確率スケジューリング問題に対処するために,3つのバイオインスパイアされたアルゴリズムが用いられている。
これらのアルゴリズムには遺伝的アルゴリズム(GA)、ファイアフライ最適化(FFO)、ウルフ最適化(WO)がある。
これらのアルゴリズムは、オンライン確率スケジューリングの複雑な課題に対処するために利用される。
収束時間、実行時間、目的値の精査を含む厳密な評価により、これらのアルゴリズムの比較性能が決定される。
本研究は,RTの患者スケジューリングの最適化に応用されたバイオインスパイアされたアルゴリズムの有効性を明らかにするものである。
調査対象のアルゴリズムのうち、WOは最前線として登場し、様々な評価基準で常に優れた結果をもたらしている。
この研究で示された最適化アプローチは、プロセスの合理化、手動介入の削減、そして究極的にはRT患者に対する治療成績の改善の可能性を秘めている。
関連論文リスト
- Improved Genetic Algorithm Based on Greedy and Simulated Annealing Ideas for Vascular Robot Ordering Strategy [7.51372615162241]
本研究では,医療環境におけるABLVR血管ロボットの獲得,利用,維持を最適化するための包括的アプローチを提案する。
ダイナミックな医療環境を考えると、ロボット船やオペレーターのためのロバストな資源配分モデルを含む。
演算子に対する適応学習プロセスのユニークな要件と,ロボット部品のメンテナンスニーズを取り入れた。
論文 参考訳（メタデータ） (2024-03-28T15:14:03Z) - Safe and Interpretable Estimation of Optimal Treatment Regimes [54.257304443780434]
我々は、最適な治療体制を特定するための安全かつ解釈可能な枠組みを運用する。
本研究は患者の医療歴と薬理学的特徴に基づくパーソナライズされた治療戦略を支援する。
論文 参考訳（メタデータ） (2023-10-23T19:59:10Z) - A novel Network Science Algorithm for Improving Triage of Patients [2.209921757303168]
患者トリアージは、患者の状態の緊急性に基づいて、タイムリーかつ適切なケアを確保するために、医療において重要な役割を果たす。
近年の関心は、人工知能(AI)を活用して、トリアージ患者のためのアルゴリズムを開発することである。
本稿では, 患者データを分析し, プライオリティ化に関する決定を導出する新アルゴリズムの開発について述べる。
論文 参考訳（メタデータ） (2023-10-09T08:47:12Z) - Tumoral Angiogenic Optimizer: A new bio-inspired based metaheuristic [5.013833066304755]
腫瘍血管新生過程において発生する血管内皮細胞の形態形成細胞運動に着想を得た新しいメタヒューリスティックを提案する。
提案アルゴリズムは, 実世界の問題 (カンチレバービーム設計, 圧力容器設計, テンション/圧縮ばね, 持続的浮揚可能資源) に適用される。
論文 参考訳（メタデータ） (2023-09-12T03:51:53Z) - Contextual Bandits with Budgeted Information Reveal [3.861395476387163]
コンテキストバンディットアルゴリズムは、パーソナライズされた治療を推奨するために、デジタルヘルスで一般的に使用される。
治療の有効性を確保するため、患者は直接の利益のない行動を取るよう要求されることが多い。
本稿では,この問題に対処するための新しい最適化と学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-05-29T16:18:28Z) - Optimal discharge of patients from intensive care via a data-driven
policy learning framework [58.720142291102135]
退院課題は、退院期間の短縮と退院決定後の退院や死亡のリスクとの不確実なトレードオフに対処することが重要である。
本研究は、このトレードオフを捉えるためのエンドツーエンドの汎用フレームワークを導入し、最適放電タイミング決定を推奨する。
データ駆動型アプローチは、患者の生理的状態を捉えた同種で離散的な状態空間表現を導出するために用いられる。
論文 参考訳（メタデータ） (2021-12-17T04:39:33Z) - 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) - 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) - Joint Scene and Object Tracking for Cost-Effective Augmented Reality
Assisted Patient Positioning in Radiation Therapy [0.6299766708197884]
放射線治療における患者位置決めのためのAR(Augmented Reality)分野の研究は少ない。
本稿では,患者の位置追跡と患者の位置決定過程を対話的に支援する,効率的で費用対効果の高いアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-10-05T10:20:46Z) - DTR Bandit: Learning to Make Response-Adaptive Decisions With Low Regret [59.81290762273153]
動的治療体制 (DTR) はパーソナライズされ適応された多段階の治療計画であり、治療決定を個人の初期特徴に適応させ、その後の各段階における中間結果と特徴に適応させる。
本稿では,探索と搾取を慎重にバランスさせることで,遷移モデルと報酬モデルが線形である場合に,速度-最適後悔を実現する新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-05-06T13:03:42Z)
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。