論文の概要: Automatic Treatment Planning using Reinforcement Learning for High-dose-rate Prostate Brachytherapy
- arxiv url: http://arxiv.org/abs/2506.09805v1
- Date: Wed, 11 Jun 2025 14:46:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-13 06:35:03.064137
- Title: Automatic Treatment Planning using Reinforcement Learning for High-dose-rate Prostate Brachytherapy
- Title（参考訳）: 高線量前立腺切断治療における強化学習を用いた自動治療計画
- Authors: Tonghe Wang, Yining Feng, Xiaofeng Yang,
- Abstract要約: 高用量(HDR)前立腺切断療法では、針の配置パターンは医師の経験にのみ依存する。
本研究は, プレプランニング段階における患者解剖学に基づいて, 針位置と居住時間を提供するための強化学習(RL)の有用性について検討した。
このアプローチは手続き時間を短縮し、一貫した計画品質を確保する。
- 参考スコア（独自算出の注目度）: 3.198160082615183
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Purpose: In high-dose-rate (HDR) prostate brachytherapy procedures, the pattern of needle placement solely relies on physician experience. We investigated the feasibility of using reinforcement learning (RL) to provide needle positions and dwell times based on patient anatomy during pre-planning stage. This approach would reduce procedure time and ensure consistent plan quality. Materials and Methods: We train a RL agent to adjust the position of one selected needle and all the dwell times on it to maximize a pre-defined reward function after observing the environment. After adjusting, the RL agent then moves on to the next needle, until all needles are adjusted. Multiple rounds are played by the agent until the maximum number of rounds is reached. Plan data from 11 prostate HDR boost patients (1 for training, and 10 for testing) treated in our clinic were included in this study. The dosimetric metrics and the number of used needles of RL plan were compared to those of the clinical results (ground truth). Results: On average, RL plans and clinical plans have very similar prostate coverage (Prostate V100) and Rectum D2cc (no statistical significance), while RL plans have less prostate hotspot (Prostate V150) and Urethra D20% plans with statistical significance. Moreover, RL plans use 2 less needles than clinical plan on average. Conclusion: We present the first study demonstrating the feasibility of using reinforcement learning to autonomously generate clinically practical HDR prostate brachytherapy plans. This RL-based method achieved equal or improved plan quality compared to conventional clinical approaches while requiring fewer needles. With minimal data requirements and strong generalizability, this approach has substantial potential to standardize brachytherapy planning, reduce clinical variability, and enhance patient outcomes.
- Abstract（参考訳）: 目的: ハイドーズレート(HDR)前立腺切断療法では, 針の配置パターンは医師の経験にのみ依存する。
本研究は, プレプランニング段階における患者解剖学に基づいて, 針位置と居住時間を提供するための強化学習(RL)の有用性について検討した。
このアプローチは手続き時間を短縮し、一貫した計画品質を確保する。
材料と方法: 環境観察後の報酬関数を最大化するために, 選択した針の位置とすべての居住時間を調整するためにRLエージェントを訓練する。
調整後、RL剤は次の針に移動し、すべての針が調整される。
複数のラウンドは、最大ラウンド数に到達するまでエージェントによってプレイされる。
本研究は前立腺HDR後進者11名(研修1名,検査10名)を対象に実施した。
RL計画の線量測定値と使用針数を臨床結果と比較した(地上真実)。
結果: 平均して, RL計画と臨床計画は非常に類似した前立腺被覆率(Prostate V100)とRectum D2cc(Rectum D2cc)を持ち, 前立腺ホットスポット(Prostate V150)とUrethra D20%プランは統計的に有意である。
さらに、RL計画では、平均的な臨床計画よりも2本少ない針を使用する。
結論: 本研究は, 臨床実践的なHDR前立腺切断療法プランを自律的に作成するための強化学習の有用性を示す最初の研究である。
このRL法は, 針を減らしながら, 従来の臨床方法と同等あるいは改善されたプラン品質を達成した。
データ要件の最小化と強力な一般化性により、この手法は、ブラキセラピー計画の標準化、臨床変数の低減、患者結果の向上に大きな可能性を秘めている。
関連論文リスト
- Actor Critic with Experience Replay-based automatic treatment planning for prostate cancer intensity modulated radiotherapy [1.5798514473558434]
既存のモデルは大規模で高品質なデータセットを必要とし、普遍的な適用性に欠ける。
我々は、効率的な訓練、広範囲な適用性、および敵対的攻撃に対する自動治療計画のためのポリシーベースのDRLエージェントを開発した。
論文 参考訳（メタデータ） (2025-02-01T07:09:40Z) - Automating proton PBS treatment planning for head and neck cancers using policy gradient-based deep reinforcement learning [0.7519872646378836]
本稿では,PPOアルゴリズムと線量分布に基づく報酬関数を用いた自動治療計画モデルを提案する。
実験的なルールのセットは、ターゲットのボリュームとリスクのある臓器から補助的な計画構造を作成するために使用される。
PPOを用いて訓練された意思決定ポリシーネットワークを開発し、連続的な行動空間において、関連する計画目標パラメータを反復的に調整する。
論文 参考訳（メタデータ） (2024-09-17T22:01:56Z) - Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware Prostate Cancer Classification [42.75911994044675]
前立腺MRIの非対位画像翻訳のための新しいアプローチと臨床的に重要なPCaを分類するための不確実性認識トレーニングアプローチを提案する。
提案手法では,無ペアの3.0T多パラメータ前立腺MRIを1.5Tに翻訳し,利用可能なトレーニングデータを増強する。
実験の結果,提案手法は,従来の研究に比べてAUC(Area Under ROC Curve)を20%以上改善することがわかった。
論文 参考訳（メタデータ） (2023-07-02T05:26:54Z) - 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) - 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) - 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) - Rapid treatment planning for low-dose-rate prostate brachytherapy with
TP-GAN [9.064664319018064]
低用量前立腺切断療法 (LDR-PB) の治療計画では, 前立腺に最小限の所定の用量を与える埋込み可能な放射性種子の配置を目標としている。
医師の視点からインプラントを「受け入れ可能」とみなすのではなく、この線量基準を満たす複数の種子の配置があります。
LDR-PBデータの大規模プールから学習するモデルをトレーニングすることで、このばらつきを低減する手法を提案する。
論文 参考訳（メタデータ） (2021-03-18T03:02:45Z) - 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) - 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) - Hemogram Data as a Tool for Decision-making in COVID-19 Management:
Applications to Resource Scarcity Scenarios [62.997667081978825]
新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。
本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。
提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
論文 参考訳（メタデータ） (2020-05-10T01:45:03Z)
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。