論文の概要: Toward Actionable Digital Twins for Radiation-Based Imaging and Therapy: Mathematical Formulation, Modular Workflow, and an OpenKBP-Based Dose-Surrogate Prototype

• arxiv url: http://arxiv.org/abs/2603.26820v1
• Date: Thu, 26 Mar 2026 22:37:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:44.642733
• Title: Toward Actionable Digital Twins for Radiation-Based Imaging and Therapy: Mathematical Formulation, Modular Workflow, and an OpenKBP-Based Dose-Surrogate Prototype
• Title（参考訳）: 放射線画像・治療のための動作可能なデジタル双極子に向けて:数学的定式化、モジュールワークフロー、およびOpenKBPベースの線量サロゲートプロトタイプ
• Authors: Hsin-Hsiung Huang, Bulent Soykan,
• Abstract要約: 放射線ベースの画像と治療のためのデジタル双生児は、患者データを同化し、予測の不確実性を定量化し、臨床的に制約された決定をサポートするのに有用である。 本稿では,Openkbpfullベンチマークを用いた放射線画像・治療における動作可能なデジタル双生児のためのモジュラーフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.17188280334580194
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Digital twins for radiation-based imaging and therapy are most useful when they assimilate patient data, quantify predictive uncertainty, and support clinically constrained decisions. This paper presents a modular framework for actionable digital twins in radiation-based imaging and therapy and instantiates its reproducible open-data component using the \openkbpfull{} benchmark. The framework couples PatientData, Model, Solver, Calibration, and Decision modules and formalizes latent-state updating, uncertainty propagation, and chance-constrained action selection. As an initial implementation, we build a GPU-ready PyTorch/MONAI reimplementation of the \openkbp{} starter pipeline: an 11-channel, 19.2M-parameter 3D U-Net trained with a masked loss over the feasible region and equipped with Monte Carlo dropout for voxel-wise epistemic uncertainty. To emulate the update loop on a static benchmark, we introduce decoder-only proxy recalibration and illustrate uncertainty-aware virtual-therapy evaluation using DVH-based and biological utilities. A complete three-fraction loop including recalibration, Monte Carlo inference, and spatial optimization executes in 10.3~s. On the 100-patient test set, the model achieved mean dose and DVH scores of 2.65 and 1.82~Gy, respectively, with 0.58~s mean inference time per patient. The \openkbp{} case study thus serves as a reproducible test bed for dose prediction, uncertainty propagation, and proxy closed-loop adaptation, while future institutional studies will address longitudinal calibration with delivered-dose logs and repeat imaging.
• Abstract（参考訳）: 放射線ベースの画像と治療のためのデジタル双生児は、患者データを同化し、予測の不確実性を定量化し、臨床的に制約された決定をサポートするのに最も有用である。 本稿では,放射能に基づく画像・治療における動作可能なデジタル双生児のためのモジュラーフレームワークを提案し,その再現可能なオープンデータコンポーネントを \openkbpfull{} ベンチマークを用いてインスタンス化する。 このフレームワークは、PatentData、Model、Solver、Calibration、Decisionモジュールを結合し、潜在状態の更新、不確実性伝播、そして機会に制約のあるアクション選択を形式化する。 初期実装として、GPU対応のPyTorch/MONAIスタータパイプラインを11チャンネル、19.2Mパラメーター3D U-Netで実装し、実現可能な領域をマスクした損失でトレーニングし、ボクセル指向のてんかん不確実性のためにモンテカルロ・ドロップアウトを備える。 静的なベンチマークで更新ループをエミュレートするために、デコーダのみのプロキシ再校正を導入し、DVHベースの生物学的ユーティリティを用いた不確実性を考慮したバーチャルセラピーの評価を示す。 再校正、モンテカルロ推論、空間最適化を含む完全な3屈折ループは10.3~sで実行される。 平均投与量とDVHスコアはそれぞれ2.65および1.82〜Gyであり,平均推定時間は0.58～0。 したがって、Openkbp{} のケーススタディは、線量予測、不確実性伝播、プロキシクローズループ適応のための再現可能なテストベッドとして機能し、将来の機関研究では、供給量ログと繰り返し撮像による縦方向キャリブレーションに対処する。

関連論文リスト

• SCALE:Scalable Conditional Atlas-Level Endpoint transport for virtual cell perturbation prediction [46.645872209565574]
  仮想セル摂動予測のための大規模基盤モデルを提案する。 まず、データスループットを大幅に改善するBioNeMoベースのトレーニングおよび推論フレームワークを構築します。 第二に、摂動予測を条件付き輸送として定式化し、それをセットアウェアフローアーキテクチャで実装する。 第3に,生物学的に有意な指標に基づく厳密なセルレベルプロトコルを用いて,Tahoe-100Mのモデルを評価する。
  論文  参考訳（メタデータ） (2026-03-18T05:51:08Z)
• Leveraging Support Vector Regression, Radiomics and Dosiomics for Outcome Prediction in Personalized Ultra-fractionated Stereotactic Adaptive Radiotherapy (PULSAR) [5.497745780154633]
  本研究では,GTV(Grog tumor volume)の変化を予測するためのマルチオミクスベースサポートベクター回帰(SVR)モデルを開発することを目的とする。 脳転移69例の振り返りコホートを解析した。 デルタラジオグラフィー機能は、単一点における特徴に対して予測精度を高める上で重要な役割を担っている。
  論文  参考訳（メタデータ） (2025-09-09T15:57:21Z)
• Robust Spatiotemporal Epidemic Modeling with Integrated Adaptive Outlier Detection [7.5504472850103435]
  疫病モデルでは、アウトレーヤはパラメータ推定を歪め、公衆衛生上の判断を誤ったものにすることができる。 本稿では、この歪みを軽減するために、ロバストな一般化加法モデル(RST-GAM)を導入する。 アメリカ合衆国における郡レベルのCOVID-19感染データを解析し,RTT-GAMの実用性を実証した。
  論文  参考訳（メタデータ） (2025-07-12T19:23:25Z)
• Embracing Uncertainty Flexibility: Harnessing a Supervised Tree Kernel to Empower Ensemble Modelling for 2D Echocardiography-Based Prediction of Right Ventricular Volume [0.5492530316344587]
  右室機能低下は,多くの状況において臨床効果を強く予測する。 本稿では,不確実性スコアによるボリューム予測を補完する手法を提案する。 提案手法は意思決定プロセスの強化とリスク低減に有効である。
  論文  参考訳（メタデータ） (2024-03-04T12:36:31Z)
• Validated respiratory drug deposition predictions from 2D and 3D medical images with statistical shape models and convolutional neural networks [47.187609203210705]
  患者固有の沈着モデリングのための自動計算フレームワークを開発し,検証することを目的としている。 2次元胸部X線と3次元CT画像から3次元患者の呼吸動態を生成できる画像処理手法が提案されている。
  論文  参考訳（メタデータ） (2023-03-02T07:47:07Z)
• Foresight -- Deep Generative Modelling of Patient Timelines using Electronic Health Records [46.024501445093755]
  医学史の時間的モデリングは、将来の出来事を予測し、シミュレートしたり、リスクを見積り、代替診断を提案したり、合併症を予測するために使用することができる。 我々は、文書テキストを構造化されたコード化された概念に変換するためにNER+Lツール(MedCAT)を使用する新しいGPT3ベースのパイプラインであるForesightを提示する。
  論文  参考訳（メタデータ） (2022-12-13T19:06:00Z)
• Improving Classification Model Performance on Chest X-Rays through Lung Segmentation [63.45024974079371]
  本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。 提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
  論文  参考訳（メタデータ） (2022-02-22T15:24:06Z)
• Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
  スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。 本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
  論文  参考訳（メタデータ） (2020-10-05T14:18:52Z)

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。