論文の概要: AI End-to-End Radiation Treatment Planning Under One Second

• arxiv url: http://arxiv.org/abs/2603.06338v1
• Date: Fri, 06 Mar 2026 14:45:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-09 13:17:45.991145
• Title: AI End-to-End Radiation Treatment Planning Under One Second
• Title（参考訳）: AIのエンド・ツー・エンド放射線処理計画が1秒で完了
• Authors: Simon Arberet, Riqiang Gao, Martin Kraus, Florin C. Ghesu, Wilko Verbakel, Mamadou Diallo, Anthony Magliari, Venkatesan Karuppusamy, Sushil Beriwal, REQUITE Consortium, Ali Kamen, Dorin Comaniciu,
• Abstract要約: AIRT(Artificial Intelligence-based Radiotherapy)は,CT画像や構造輪郭から提供可能な治療計画を直接推測するエンドツーエンドのディープラーニングフレームワークである。 AIRTは、イメージングや解剖学的入力からリーフシークエンシングまで、単一のNvidia A100 GPU上で1秒未満で、単一弧VMAT前立腺プランを生成する。 RapidPlan Eclipseの不便さは、ターゲットカバレッジとOARスペーシングメトリクスで実証された。
• 参考スコア（独自算出の注目度）: 3.908966856945294
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Artificial intelligence-based radiation therapy (RT) planning has the potential to reduce planning time and inter-planner variability, improving efficiency and consistency in clinical workflows. Most existing automated approaches rely on multiple dose evaluations and corrections, resulting in plan generation times of several minutes. We introduce AIRT (Artificial Intelligence-based Radiotherapy), an end-to-end deep-learning framework that directly infers deliverable treatment plans from CT images and structure contours. AIRT generates single-arc VMAT prostate plans, from imaging and anatomical inputs to leaf sequencing, in under one second on a single Nvidia A100 GPU. The framework includes a differentiable dose feedback, an adversarial fluence map shaping, and a plan generation augmentation to improve plan quality and robustness. The model was trained on more than 10,000 intact prostate cases. Non-inferiority to RapidPlan Eclipse was demonstrated across target coverage and OAR sparing metrics. Target homogeneity (HI = 0.10 $\pm$ 0.01) and OAR sparing were similar to reference plans when evaluated using AcurosXB. These results represent a significant step toward ultra-fast standardized RT planning and a streamlined clinical workflow.
• Abstract（参考訳）: 人工知能ベースの放射線治療(RT)計画では、計画時間とプランナー間の変動を低減し、臨床ワークフローの効率性と一貫性を向上させる可能性がある。 既存の自動化アプローチのほとんどは、複数の線量評価と修正に依存しており、計画生成時間は数分である。 AIRT(Artificial Intelligence-based Radiotherapy)は,CT画像や構造輪郭から提供可能な治療計画を直接推測するエンドツーエンドのディープラーニングフレームワークである。 AIRTは、イメージングや解剖学的入力からリーフシークエンシングまで、単一のNvidia A100 GPU上で1秒未満で、単一弧VMAT前立腺プランを生成する。 フレームワークは、識別可能な線量フィードバック、逆流図形成、プラン品質と堅牢性を改善するためのプラン生成強化を含む。 このモデルは1万件以上の無傷前立腺症例で訓練された。 RapidPlan Eclipseの不便さは、ターゲットカバレッジとOARスペーシングメトリクスで実証された。 ターゲット均一性 (HI = 0.10 $\pm$ 0.01) とOARスペーリングは、AcurosXBを用いて評価した場合の参照計画と類似していた。 これらの結果は,超高速標準化RT計画とクリニカルワークフローの合理化に向けた重要な一歩である。

関連論文リスト

• A DeepSeek-Powered AI System for Automated Chest Radiograph Interpretation in Clinical Practice [83.11942224668127]
  Janus-Pro-CXR (1B) はDeepSeek Janus-Proモデルに基づく胸部X線解釈システムである。 本システムは, 自動レポート生成において, 最先端のX線レポート生成モデルより優れる。
  論文  参考訳（メタデータ） (2025-12-23T13:26:13Z)
• Design and Validation of a Responsible Artificial Intelligence-based System for the Referral of Diabetic Retinopathy Patients [65.57160385098935]
  糖尿病網膜症の早期発見は、視力喪失のリスクを最大95%減少させる可能性がある。 我々は、AIライフサイクル全体にわたる倫理的原則を取り入れた、DRスクリーニングのための責任あるAIシステムであるRAIS-DRを開発した。 当科におけるRAIS-DRをFDA認可のEyeArtシステムと比較した。
  論文  参考訳（メタデータ） (2025-08-17T21:54:11Z)
• Automating RT Planning at Scale: High Quality Data For AI Training [6.8532126457187035]
  高品質な処理計画を生成するスケーラブルなソリューションであるAIRTP(Automated Iterative RT Planning)システムを紹介した。 当社のAIRTPパイプラインは,OAR(Organ-at-risk Contouring),ヘルパー構造生成,ビーム設定,最適化,計画品質改善など,臨床ガイドラインに準拠し,重要なステップを自動化します。 計画品質の比較分析により、自動パイプラインが手作業で生成されたものと同等の品質の処理計画を生成することが明らかになった。
  論文  参考訳（メタデータ） (2025-01-21T00:44:18Z)
• Neural LerPlane Representations for Fast 4D Reconstruction of Deformable Tissues [52.886545681833596]
  LerPlaneは単一視点環境下での手術シーンの高速かつ正確な再構築手法である。 LerPlaneは外科手術を4Dボリュームとして扱い、静的および動的フィールドの明示的な2D平面に分解する。 LerPlaneは静的フィールドを共有し、動的組織モデリングのワークロードを大幅に削減する。
  論文  参考訳（メタデータ） (2023-05-31T14:38:35Z)
• Robotic Navigation Autonomy for Subretinal Injection via Intelligent Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
  網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。 提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。 ブタ前眼の精度と再現性について実験を行った。
  論文  参考訳（メタデータ） (2023-01-17T21:41:21Z)
• Robust and Efficient Medical Imaging with Self-Supervision [80.62711706785834]
  医用画像AIの堅牢性とデータ効率を向上させるための統一表現学習戦略であるREMEDISを提案する。 様々な医療画像タスクを研究し, 振り返りデータを用いて3つの現実的な応用シナリオをシミュレートする。
  論文  参考訳（メタデータ） (2022-05-19T17:34:18Z)
• 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)

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。