論文の概要: Unsupervised deep learning model for fast energy layer pre-selection of delivery-efficient proton arc therapy plan optimization of nasopharyngeal carcinoma

• arxiv url: http://arxiv.org/abs/2506.15803v2
• Date: Thu, 07 Aug 2025 08:09:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-08 21:11:55.582747
• Title: Unsupervised deep learning model for fast energy layer pre-selection of delivery-efficient proton arc therapy plan optimization of nasopharyngeal carcinoma
• Title（参考訳）: 鼻咽喉頭癌に対する高効率プロトンアーク治療計画選択のための教師なし深層学習モデル
• Authors: Bohan Yang, Gang Liu, Yang Zhong, Rirao Dao, Yujia Qian, Ke Shi, Anke Tang, Yong Luo, Qi Kong, Jingnan Liu,
• Abstract要約: 本稿では,ターゲットと臓器の交差する陽子点の数を危険にさらす新しいデータ表現法であるスポット数表現法を提案する。 この表現はU-NetスタイルのアーキテクチャであるSPArc_dlの入力として機能する。 鼻咽喉頭癌35例を対象に評価し,SPArc_psと比較した。
• 参考スコア（独自算出の注目度）: 9.954921844990814
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Proton arc therapy (PAT) is an emerging and promising modality in radiotherapy, offering improved dose distribution and treatment robustness over intensity-modulated proton therapy. Yet, identifying the optimal energy layer (EL) sequence remains challenging due to the intensive computational demand and prolonged treatment delivery time. This study proposes an unsupervised deep learning model for fast EL pre-selection that minimizes EL switch (ELS) time while maintaining high plan quality. We introduce a novel data representation method, spot-count representation, which encodes the number of proton spots intersecting the target and organs at risk (OAR) in a matrix structured by sorted gantry angles and energy layers. This representation serves as the input of an U-Net style architecture, SPArc_dl, which is trained using a tri-objective function: maximizing spot-counts on target, minimizing spot-counts on OAR, and reducing ELS time. The model is evaluated on 35 nasopharyngeal cancer cases, and its performance is compared to SPArc_particle_swarm (SPArc_ps). SPArc_dl produces EL pre-selection that significantly improves both plan quality and delivery efficiency. Compared to SPArc_ps, it enhances the conformity index by 0.1 (p<0.01), reduces the homogeneity index by 0.71 (p<0.01), lowers the brainstem mean dose by 0.25 (p<0.01), and shortens the ELS time by 37.2% (p < 0.01). The results unintentionally reveal employing unchanged ELS is more time-wise efficient than descended ELS. SPArc_dl's inference time is within 1 second. However, SPArc_dl plan demonstrates limitation in robustness. The proposed spot-count representation lays a foundation for incorporating unsupervised deep learning approaches into EL pre-selection task. SPArc_dl is a fast tool for generating high-quality PAT plans by strategically pre-selecting EL to reduce delivery time while maintaining excellent dosimetric performance.
• Abstract（参考訳）: プロトンアーク療法(Proton arc therapy, PAT)は、放射線治療における新たなモダリティであり、強度変調プロトン療法に対する線量分布の改善と治療の堅牢性を提供する。 しかし, 計算負荷の増大と処理時間の延長により, 最適エネルギー層 (EL) 配列の同定は依然として困難である。 本研究では,計画品質を維持しつつ,ELスイッチ(ELS)時間を最小限に抑える,高速なEL事前選択のための教師なしディープラーニングモデルを提案する。 本稿では, ガントリー角とエネルギー層をソートした行列において, ターゲットと臓器の交差する陽子点の数をエンコードする新しいデータ表現法であるスポット数表現を導入する。 この表現はU-NetスタイルのアーキテクチャであるSPArc_dlの入力として機能し、これは三目的関数を使って訓練される。 鼻咽喉頭癌35例を対象に評価し,SPArc_ps(SPArc_ Particle_swarm)と比較した。 SPArc_dlは、計画品質とデリバリ効率の両方を大幅に改善するEL事前選択を生成する。 SPArc_psと比較して、コンホメーション指数は0.1(p<0.01)、同質指数は0.71(p<0.01)、脳幹平均線量(p<0.01)は0.25(p<0.01)、ESL時間は37.2%(p<0.001)である。 その結果, 変化のないESSを用いた場合, 降下ESSよりも時間的に効率的であることが判明した。 SPArc_dlの推測時間は1秒以内である。 しかし、SPArc_dl計画ではロバスト性に限界がある。 提案したスポットカウント表現は、教師なしのディープラーニングアプローチをEL事前選択タスクに組み込むための基盤となる。 SPArc_dlは、ELを戦略的に選択して、優れたドシメトリック性能を維持しつつ、納品時間を短縮することで、高品質のPATプランを生成するための高速ツールである。

関連論文リスト

• Automated Treatment Planning for Interstitial HDR Brachytherapy for Locally Advanced Cervical Cancer using Deep Reinforcement Learning [3.9838929530763076]
  本研究の目的は、完全に自動化されたHDRブラキセラピー計画フレームワークを開発することである。 階層的な2段階自動計画フレームワークを提案する。 未確認の患者では、RLベースの自動計画法が平均93.89%を達成し、平均91.86%の臨床計画を上回りました。
  論文  参考訳（メタデータ） (2025-06-13T17:07:30Z)
• Automatic Treatment Planning using Reinforcement Learning for High-dose-rate Prostate Brachytherapy [3.198160082615183]
  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。
  論文  参考訳（メタデータ） (2025-06-11T14:46:42Z)
• Physics-Informed Neural Networks for Optimal Vaccination Plan in SIR Epidemic Models [3.1668027033361112]
  本研究は, 制御された感受性-感染-回復(SIR)モデルに対する時間的均質な環境下での最小消去時間を理解することに焦点を当てる。 物理情報ニューラルネットワーク(PINN)を用いて、根絶時間を管理する偏微分方程式(PDE)を解き、対応する最適な予防接種制御を導出する。
  論文  参考訳（メタデータ） (2025-02-27T08:59:22Z)
• RNN-Based Models for Predicting Seizure Onset in Epileptic Patients [0.0]
  既存のシステムの精度と誤報率は、静しきい値と基本的な脳波特性に依存しているため、しばしば妥協される。 本稿では,これらの制約を克服するため,新しいリカレントニューラルネットワーク(RNN)を用いた発作発生予測手法を提案する。
  論文  参考訳（メタデータ） (2024-12-24T08:05:01Z)
• Enhancing Skin Cancer Diagnosis (SCD) Using Late Discrete Wavelet Transform (DWT) and New Swarm-Based Optimizers [0.0]
  皮膚がんは最も致命的ながんの1つであり、診断を受けなければ危険が増幅され、迅速に治療される。 早期発見と皮膚がん診断(SCD)の強力なツールとしてディープラーニングが登場した 本稿では,事前に訓練されたネットワークとウェーブレット変換を併用した最適化手法を用いて,皮膚がん検出のための新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2024-11-30T13:17:52Z)
• REST: Efficient and Accelerated EEG Seizure Analysis through Residual State Updates [54.96885726053036]
  本稿では,リアルタイム脳波信号解析のための新しいグラフベース残状態更新機構(REST)を提案する。 グラフニューラルネットワークとリカレント構造の組み合わせを活用することで、RESTは、非ユークリッド幾何学とEEGデータ内の時間的依存関係の両方を効率的にキャプチャする。 本モデルは,発作検出と分類作業において高い精度を示す。
  論文  参考訳（メタデータ） (2024-06-03T16:30:19Z)
• Differentially Private SGD Without Clipping Bias: An Error-Feedback Approach [62.000948039914135]
  Differentially Private Gradient Descent with Gradient Clipping (DPSGD-GC) を使用して、差分プライバシ(DP)がモデルパフォーマンス劣化の犠牲となることを保証する。 DPSGD-GCに代わる新しいエラーフィードバック(EF)DPアルゴリズムを提案する。 提案アルゴリズムに対するアルゴリズム固有のDP解析を確立し,R'enyi DPに基づくプライバシ保証を提供する。
  論文  参考訳（メタデータ） (2023-11-24T17:56:44Z)
• LoRAPrune: Structured Pruning Meets Low-Rank Parameter-Efficient Fine-Tuning [56.88751562302793]
  低ランク適応 (LoRA) が大型言語モデル (LLM) に登場した。 LoRAPruneは、高度にメモリ効率の良い正確な構造化プルーンドモデルを提供する新しいフレームワークである。 LoRAPruneはWikiText2では4.81、TBでは3.46、メモリ使用量は52.6%減少している。
  論文  参考訳（メタデータ） (2023-05-28T15:15:48Z)
• Towards Memory- and Time-Efficient Backpropagation for Training Spiking Neural Networks [70.75043144299168]
  スパイキングニューラルネットワーク(SNN)は、ニューロモルフィックコンピューティングのためのエネルギー効率の高いモデルである。 本研究では,学習効率を大幅に向上させつつ,高い性能を達成できる空間学習時間(SLTT)法を提案する。 BPTTと比較して, メモリコストとトレーニング時間は, それぞれ70%以上, 50%以上削減されている。
  論文  参考訳（メタデータ） (2023-02-28T05:01:01Z)
• Federated Learning for Energy-limited Wireless Networks: A Partial Model Aggregation Approach [79.59560136273917]
  デバイス間の限られた通信資源、帯域幅とエネルギー、およびデータ不均一性は、連邦学習(FL)の主要なボトルネックである まず、部分モデルアグリゲーション(PMA)を用いた新しいFLフレームワークを考案する。 提案されたPMA-FLは、2つの典型的な異種データセットにおいて2.72%と11.6%の精度を改善する。
  論文  参考訳（メタデータ） (2022-04-20T19:09:52Z)
• Energy-Efficient Tree-Based EEG Artifact Detection [17.085570466000906]
  てんかんモニタリングでは、脳波アーチファクトは振幅と周波数の両方で形態学的に類似しているため、発作と誤認されることが多い。 本研究では, 並列超低消費電力(PULP)組み込みプラットフォーム上で, 最小数のEEGチャネルに基づくアーティファクト検出アルゴリズムの実装について述べる。
  論文  参考訳（メタデータ） (2022-04-19T12:57:26Z)
• Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase Classification Using EEG [56.155331323304]
  本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。 チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
  論文  参考訳（メタデータ） (2021-12-18T14:17:49Z)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)
• 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)
• Non-Parametric Adaptive Network Pruning [125.4414216272874]
  アルゴリズム設計を簡略化するノンパラメトリックモデリングを導入。 顔認識コミュニティに触発されて,メッセージパッシングアルゴリズムを用いて,適応的な例示数を求める。 EPrunerは「重要」フィルタを決定する際にトレーニングデータへの依存を壊します。
  論文  参考訳（メタデータ） (2021-01-20T06:18:38Z)
• Improved Preterm Prediction Based on Optimized Synthetic Sampling of EHG Signal [3.0625456792807424]
  子宮収縮と電気活動の相互関係は、子宮電気ヒステグラム(EHG)を早期発見と予測のための有望な方向へと導く。 EHGシグナルの不足、特に短期患者の信号の不足により、合成アルゴリズムを適用して、事前型の人工的なサンプルを作成する。
  論文  参考訳（メタデータ） (2020-07-03T01:12:31Z)

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。