論文の概要: Training-Aware Risk Control for Intensity Modulated Radiation Therapies Quality Assurance with Conformal Prediction
- arxiv url: http://arxiv.org/abs/2501.08963v1
- Date: Wed, 15 Jan 2025 17:19:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-16 15:51:58.804261
- Title: Training-Aware Risk Control for Intensity Modulated Radiation Therapies Quality Assurance with Conformal Prediction
- Title（参考訳）: コンフォーマル予測による強度変調放射線治療の品質保証のためのトレーニング・アウェアリスク制御
- Authors: Kevin He, David Adam, Sarah Han-Oh, Anqi Liu,
- Abstract要約: 測定品質保証の実践は、がん治療における強度変調放射線療法(IMRT)の安全利用において重要な役割を担っている。
これらのプラクティスにより、測定ベースのIMRT QA障害が1%以下になった。
そこで本研究では,共形リスク制御と共形トレーニングの利点を組み合わせることで,新たな訓練適応型共形リスク制御手法を提案する。
- 参考スコア（独自算出の注目度）: 7.227232362460348
- License:
- Abstract: Measurement quality assurance (QA) practices play a key role in the safe use of Intensity Modulated Radiation Therapies (IMRT) for cancer treatment. These practices have reduced measurement-based IMRT QA failure below 1%. However, these practices are time and labor intensive which can lead to delays in patient care. In this study, we examine how conformal prediction methodologies can be used to robustly triage plans. We propose a new training-aware conformal risk control method by combining the benefit of conformal risk control and conformal training. We incorporate the decision making thresholds based on the gamma passing rate, along with the risk functions used in clinical evaluation, into the design of the risk control framework. Our method achieves high sensitivity and specificity and significantly reduces the number of plans needing measurement without generating a huge confidence interval. Our results demonstrate the validity and applicability of conformal prediction methods for improving efficiency and reducing the workload of the IMRT QA process.
- Abstract（参考訳）: 測定品質保証(QA)の実践は、がん治療における強度変調放射線療法(IMRT)の安全利用において重要な役割を担っている。
これらのプラクティスにより、測定ベースのIMRT QA障害が1%以下になった。
しかしながら、これらのプラクティスは時間と労働集約性があり、患者のケアの遅れにつながる可能性がある。
本研究では,コンフォメーション予測手法を用いて計画の整合性を高める方法について検討した。
そこで本研究では,共形リスク制御と共形トレーニングの利点を組み合わせることで,新たな訓練適応型共形リスク制御手法を提案する。
本稿では,ガンマ通過率に基づく意思決定しきい値と臨床評価で使用されるリスク関数を,リスク管理フレームワークの設計に組み込む。
提案手法は高感度・特異性を実現し,高信頼区間を発生させることなく,測定を必要とするプラン数を著しく削減する。
本研究は, IMRT QAプロセスの効率向上と作業負荷低減のための共形予測手法の有効性と適用性を示した。
関連論文リスト
- Towards Integrating Epistemic Uncertainty Estimation into the Radiotherapy Workflow [40.07325268305058]
放射線治療計画における目標構造と臓器リスク(OAR)の整合性の精度は、治療効果と患者の安全を確保するために不可欠である。
近年のディープラーニング(DL)の進歩により,OARコンチューリング性能が大幅に向上した。
しかし、これらのモデルの信頼性、特にアウト・オブ・ディストリビューション(OOD)シナリオの存在は、臨床設定において懸念されている。
論文 参考訳（メタデータ） (2024-09-27T10:55:58Z) - Improving Deep Learning Model Calibration for Cardiac Applications using Deterministic Uncertainty Networks and Uncertainty-aware Training [2.0006125576503617]
深層学習(DL)分類モデル校正の改善を目的とした2種類のアプローチの精度と校正への影響を評価する。
具体的には、3つのDUMと2つの不確実性を考慮したトレーニングアプローチ、およびそれらの組み合わせの性能を検証した。
以上の結果から,DUMと不確実性を考慮したトレーニングが両アプリケーションの精度と校正の両面で向上することが示唆された。
論文 参考訳（メタデータ） (2024-05-10T14:07:58Z) - Provable Risk-Sensitive Distributional Reinforcement Learning with
General Function Approximation [54.61816424792866]
本稿では,リスク感性分布強化学習(RS-DisRL)と静的リプシッツリスク対策(LRM),一般関数近似について紹介する。
モデルに基づく関数近似のためのモデルベース戦略であるtextttRS-DisRL-M と、一般値関数近似のためのモデルフリーアプローチである textttRS-DisRL-V の2つの革新的なメタアルゴリズムを設計する。
論文 参考訳（メタデータ） (2024-02-28T08:43:18Z) - Uncertainty Aware Training to Improve Deep Learning Model Calibration
for Classification of Cardiac MR Images [3.9402047771122812]
予測の不確実性の定量化は、より信頼できるAIモデルを開発する方法の1つとして特定されている。
我々は,2つの最先端アプローチと比較して,新しい不確実性を考慮した3つのトレーニング戦略を評価する。
論文 参考訳（メタデータ） (2023-08-29T09:19:49Z) - Is Risk-Sensitive Reinforcement Learning Properly Resolved? [32.42976780682353]
そこで本稿では,RSRL問題に対して最適ポリシーに収束可能な新しいアルゴリズムであるトラジェクトリQ-Learning(TQL)を提案する。
新たな学習アーキテクチャに基づいて,さまざまなリスク対応政策を学習するための,さまざまなリスク対策の汎用的かつ実践的な実装を自由に導入できる。
論文 参考訳（メタデータ） (2023-07-02T11:47:21Z) - U-PASS: an Uncertainty-guided deep learning Pipeline for Automated Sleep
Staging [61.6346401960268]
プロセスの各段階で不確実性推定を組み込んだ臨床応用に適した,U-PASSと呼ばれる機械学習パイプラインを提案する。
不確実性誘導型ディープラーニングパイプラインを睡眠ステージングの困難な問題に適用し、各ステージにおけるパフォーマンスを体系的に改善することを示す。
論文 参考訳（メタデータ） (2023-06-07T08:27:36Z) - Safe Deployment for Counterfactual Learning to Rank with Exposure-Based
Risk Minimization [63.93275508300137]
本稿では,安全な配置を理論的に保証する新たなリスク認識型対実学習ランク法を提案する。
提案手法の有効性を実験的に検証し,データが少ない場合の動作不良の早期回避に有効であることを示す。
論文 参考訳（メタデータ） (2023-04-26T15:54:23Z) - Conformal Methods for Quantifying Uncertainty in Spatiotemporal Data: A
Survey [0.0]
高リスク環境では、モデルが自身の信頼を反映し、失敗を避けるために不確実性を生み出すことが重要である。
本稿では, ディープラーニングにおける不確実性(UQ)に関する最近の研究, 特に, 数学的, 広範に適用可能な分布自由な等角予測法について調査する。
論文 参考訳（メタデータ） (2022-09-08T06:08:48Z) - Assessment of Treatment Effect Estimators for Heavy-Tailed Data [70.72363097550483]
ランダム化制御試験(RCT)における治療効果の客観的評価における中心的な障害は、その性能をテストするための基礎的真理(または検証セット)の欠如である。
この課題に対処するための新しいクロスバリデーションのような方法論を提供する。
本手法は,Amazonサプライチェーンに実装された709RCTに対して評価を行った。
論文 参考訳（メタデータ） (2021-12-14T17:53:01Z) - Incorporating Expert Guidance in Epidemic Forecasting [79.91855362871496]
AIセーフティによるセルドニアン最適化フレームワークを活用した新しいアプローチを提案します。
円滑性と誤りの地域整合性という2種類のガイダンスについて検討する。
その定式化に成功することにより、望ましくない行動が起こる確率を拘束できるだけでなく、テストデータのRMSEを最大17%削減することができることを示しています。
論文 参考訳（メタデータ） (2020-12-24T06:21:53Z) - Interpretable Off-Policy Evaluation in Reinforcement Learning by
Highlighting Influential Transitions [48.91284724066349]
強化学習におけるオフ政治評価は、医療や教育などの領域における将来の成果を改善するために観察データを使用する機会を提供する。
信頼区間のような従来の尺度は、ノイズ、限られたデータ、不確実性のために不十分である可能性がある。
我々は,人間専門家が政策評価評価評価の妥当性を分析できるように,ハイブリッドAIシステムとして機能する手法を開発した。
論文 参考訳（メタデータ） (2020-02-10T00:26:43Z)
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。