論文の概要: An Uncertainty Estimation Framework for Dose Accumulation in Adaptive Radiotherapy: Application to CBCT-Guided Radiotherapy for Cervical Cancer

• arxiv url: http://arxiv.org/abs/2606.11012v1
• Date: Tue, 09 Jun 2026 15:52:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-10 15:40:58.591465
• Title: An Uncertainty Estimation Framework for Dose Accumulation in Adaptive Radiotherapy: Application to CBCT-Guided Radiotherapy for Cervical Cancer
• Title（参考訳）: 適応放射線治療における線量蓄積の不確実性評価フレームワーク : CBCT誘導放射線治療への応用
• Authors: Cedric Hemon, Delphine Lebret, Jean-Claude Nunes, Valentin Boussot, Karine Peignaux, Nathalie Mesgouez-Nebout, Chantal Hanzen, Antoine Simon, Anaïs Barateau, Renaud de Crevoisier, Caroline Lafond,
• Abstract要約: oARTは、毎日の計画順応を可能にするが、累積線量推定は限られている。 本稿では,不確実性を考慮した線量蓄積フレームワークであるIMPACT-DoseAccを,意味的特徴駆動画像解析のためのIMPACT内に導入する。 9例の頸部癌患者を毎日CBCT由来の仮想CTを用いて振り返って分析した。
• 参考スコア（独自算出の注目度）: 0.6532395471196993
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Background and purpose: oART enables daily plan adaptation to interfraction anatomical variations, but cumulative dose estimation remains limited by DIR, segmentation, and anatomical uncertainties. We introduce IMPACT-DoseAcc, an uncertainty-aware dose accumulation framework, within IMPACT for semantic feature-driven image analysis. The framework is modality- and disease-agnostic and is applied to CBCT-guided oART for cervical cancer (LACC). Material and Methods: Nine LACC patients were retrospectively analyzed using daily CBCT-derived virtual CTs for dose recalculation. IMPACT-DoseAcc focuses on uncertainty from DIR, without modeling vCT-generation uncertainty. Two DIR uncertainty strategies were tested within IMPACT-Reg: a Bayesian segmentation-guided approach using one probabilistic model to quantify anatomical uncertainty, and an ensemble of segmentation models targeting structures to capture epistemic variability. Voxel-wise uncertainty maps were propagated through dose warping and accumulation to generate probabilistic dose-volume histograms. Ensemble uncertainty was quantified from voxel-wise standard deviation across deformation fields, and geometric error was assessed using surface distance between warped and validated contours. Anatomical-variability weighting refined aggregation. Results: Ensemble DIR uncertainty correlated with geometric error, with Pearson coefficients of 0.63 for CTVt and 0.66 for bladder. For CTVt, pDVHs achieved 96.3 +/- 3.9% coverage, showing calibration of propagated uncertainty. Weighting stabilized estimates across fractions and organs. Conclusions: IMPACT-DoseAcc propagates registration-driven uncertainty to cumulative dose metrics, improving interpretation of accumulated dose under anatomical variations. Its 3DSlicer integration supports reproducible, uncertainty-informed ART workflows.
• Abstract（参考訳）: 背景と目的:oARTは、毎日の計画順応を、干渉解剖学的変化に適応させるが、累積線量推定は、DIR、セグメンテーション、解剖学的不確実性によって制限されている。 本稿では,不確実性を考慮した線量蓄積フレームワークであるIMPACT-DoseAccを,意味的特徴駆動画像解析のためのIMPACT内に導入する。 この枠組みは、モダリティと疾患に依存しないものであり、子宮頸癌(LACC)に対するCBCT誘導OARTに適用される。 材料と方法: 毎日CBCT由来の仮想CTを用いて, 9例のLACC患者を振り返って分析した。 IMPACT-DoseAccは、vCT世代の不確実性をモデル化することなく、DIRからの不確実性に焦点を当てている。 2つのDIR不確実性戦略をIMPACT-Regで検証した。1つの確率論的モデルを用いたベイズ的セグメンテーション誘導アプローチと、エピステミック変動を捉える構造をターゲットとしたセグメンテーションモデルのアンサンブルである。 ボクセルワイドの不確実性マップは、線量歪みと蓄積によって伝播し、確率論的線量ヒストグラムを生成する。 変形場間のボクセルの標準偏差からアンサンブルの不確かさを定量化し, 曲面距離を用いて幾何誤差を評価した。 解剖学的多様性の重み付け 結果: DIRのアンサンブル不確かさは幾何学的誤差と相関し, ピアソン係数はCTVt0.63, 膀胱0.66であった。 CTVtでは、pDVHsは96.3 +/- 3.9%のカバレッジを達成した。 重み付けは、分数や臓器にまたがる安定化された推定値である。 結論:IMPACT-DoseAccは累積線量測定値に登録駆動の不確実性を伝播し、解剖学的変異の下で蓄積線量の解釈を改善する。 3DSlicerの統合は再現可能で不確実性のあるARTワークフローをサポートする。

関連論文リスト

• A practical probabilistic framework for deformable image registration uncertainty in radiotherapy dose propagation [0.08335944622646994]
  変形性画像登録(DIR)は放射線治療において線量伝播と蓄積に広く用いられている。 基礎となる変形の不確かさは臨床的に関連する線量推定に大きく影響する可能性がある。 本稿では,DIRの不確かさを線量統計学および線量ヒストグラムに伝播させるための実用的確率的枠組みを提案する。
  論文  参考訳（メタデータ） (2026-06-08T09:25:04Z)
• Volumetric Directional Diffusion: Anchoring Uncertainty Quantification in Anatomical Consensus for Ambiguous Medical Image Segmentation [9.649916323072434]
  Volumetric Directional Diffusion (VDD) は、生成軌跡を決定論的コンセンサスに数学的に固定する。 VDDは、トポロジカル崩壊を危険にさらすことなく、専門家の不一致に固有の微細な幾何学的変動を正確に探索する。 最終的に、VDDは、臨床医に解剖学的に一貫性のある不確実性マップを提供し、下流タスクにおけるより安全な意思決定とリスク軽減を可能にする。
  論文  参考訳（メタデータ） (2026-03-04T12:58:43Z)
• Suppressing Prior-Comparison Hallucinations in Radiology Report Generation via Semantically Decoupled Latent Steering [94.37535002230504]
  本研究では,Semantically Decoupled Latent Steeringと呼ばれる学習自由な推論時間制御フレームワークを開発した。 提案手法は,大言語モデル (LLM) による意味分解による意味のない介入ベクトルを構築する。 本手法は歴史的幻覚の可能性を著しく低下させることを示す。
  論文  参考訳（メタデータ） (2026-02-27T04:49:01Z)
• ClinNet: Evidential Ordinal Regression with Bilateral Asymmetry and Prototype Memory for Knee Osteoarthritis Grading [3.337151338735509]
  X線画像に基づく膝関節症(KOA)の診断は極めて難しい課題である。 本研究では, KOA グレーディングに対処する信頼性の高い新しいフレームワーク ClinNet を提案する。
  論文  参考訳（メタデータ） (2026-01-24T05:49:41Z)
• Conformal Lesion Segmentation for 3D Medical Images [82.92159832699583]
  本稿では,データ駆動しきい値の校正をコンフォーマル化することで,テスト時間FNRが目標許容値以下であることを保証する,リスク制約付きフレームワークを提案する。 5つのバックボーンモデルにまたがる6つの3D-LSデータセット上でのCLSの統計的健全性と予測性能を検証し,臨床実践におけるリスク認識セグメンテーションの展開に関する実用的な知見を得た。
  論文  参考訳（メタデータ） (2025-10-19T08:21:00Z)
• Towards Reliable Medical Image Segmentation by Modeling Evidential Calibrated Uncertainty [57.023423137202485]
  医用画像のセグメンテーションの信頼性に関する懸念が臨床医の間で続いている。 本稿では,医療画像セグメンテーションネットワークにシームレスに統合可能な,実装が容易な基礎モデルであるDEviSを紹介する。 主観的論理理論を活用することで、医用画像分割の確率と不確実性を明示的にモデル化する。
  論文  参考訳（メタデータ） (2023-01-01T05:02:46Z)
• Bayesian Uncertainty Estimation of Learned Variational MRI Reconstruction [63.202627467245584]
  我々は,モデル不連続な不確かさを定量化するベイズ変分フレームワークを提案する。 提案手法はMRIのアンダーサンプを用いた再建術の術後成績を示す。
  論文  参考訳（メタデータ） (2021-02-12T18:08:14Z)

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。