論文の概要: PyDoseRT Proton: A GPU Pencil-Beam Engine with a Convolutional Residual-Correction Network for Fast Proton Dose Calculation

• arxiv url: http://arxiv.org/abs/2609.01018v1
• Date: Tue, 01 Sep 2026 10:11:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-02 16:31:36.55004
• Title: PyDoseRT Proton: A GPU Pencil-Beam Engine with a Convolutional Residual-Correction Network for Fast Proton Dose Calculation
• Title（参考訳）: PyDoseRT Proton:高速プロトン線量計算のための畳み込み残差補正ネットワーク付きGPUペンシルビームエンジン
• Authors: Lukas Zimmermann, Hermann Fuchs, Attila Simkó, Gerd Heilemann,
• Abstract要約: このカテゴリには物理学に基づく分析用鉛筆ビーム(PB)線量エンジンと3次元畳み込み残差補正ネットワーク(RepVGG-U-Net)が含まれる。 我々は、PyTorchで実装されたGPUアクセラレーションエンジンであるPyDoseRT Protonを用いて、DoseRAD2026陽子線量予測タスクに対処する。 二重ガウスPB核をGATE/Geant4集積水深線量に2段階調整した。
• 参考スコア（独自算出の注目度）: 0.9332987715848714
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Architecture category. Hybrid method: a physics-based analytical pencil-beam (PB) dose engine followed by a 3-D convolutional residual-correction network (RepVGG-U-Net). We addressed the DoseRAD2026 proton dose-prediction task with PyDoseRT Proton, a GPU-accelerated engine implemented in PyTorch and augmented by a learned residual toward Monte Carlo (MC) accuracy. A double-Gaussian PB kernel was calibrated to GATE/Geant4 integrated depth doses in water in two stages: a classical per-energy curve fit, then a gradient-based fit of the full 3-D dose through the PyTorch physics engine as it retains a differentiable execution path for gradient-based optimization of dose-dependent objectives. The engine computes each beamlet on a beam's-eye-view (BEV) lattice with variance-preserving Gaussian splitting, an analytic nuclear halo, and a Fermi-Eyges heterogeneity term, then rotates the result into the patient frame. Additionally, a compact residual U-Net predicts an additive correction in BEV space. It is conditioned on voxelwise material-label embeddings, a discrete energy embedding and spot size. The same model was used for all anatomical sites (thoracic and abdominal). It was trained with a patient-space L1 objective emphasizing the scored high-dose region and multi-scale BEV deep supervision. The submitted CT configuration obtained preliminary-test beamlet MAE 0.0066, image-z IDD distance 0.0025, plan MAE 0.0049, 98.30\% gamma pass rate (1\%/1 mm), and DVH error 0.460.
• Abstract（参考訳）: アーキテクチャのカテゴリ。 ハイブリッド方式:物理学に基づく分析用鉛筆ビーム(PB)線量エンジンと3次元畳み込み残差補正ネットワーク(RepVGG-U-Net)。 We address the DoseRAD2026 proton dose-prediction task with PyDoseRT Proton, a GPU-accelerated engine implement in PyTorch and augmented by a learned residual to Monte Carlo (MC) accuracy。 二重ガウスのPBカーネルはGATE/Geant4統合深度線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線量線線線線量線量線量線線線量線量線線線線線線線線線線線線線数線数線線線線線線線線線線線線線線線線線線線線線線線線線線線線線線線線線線線線線線線線線線線線線線線 エンジンはビームアイビュー(BEV)格子上の各ビームレットを分散保存ガウス分割、分析核ハロ、フェルミ・アイジェス不均一項で計算し、その結果を患者フレームに回転させる。 さらに、コンパクトな残留U-Netは、BEV空間における加算補正を予測する。 ボクセル回りの材料-ラベルの埋め込み、離散エネルギーの埋め込み、スポットサイズに条件付けされている。 同じモデルがすべての解剖学的部位(胸部,腹部)に用いられた。 評価された高用量領域とマルチスケールのBEV深層監視を重視した患者空間のL1目標を用いて訓練を行った。 提案CT構成は、予備試験用ビームレットMAE 0.0066、画像-z IDD 距離 0.0025、プランMAE 0.0049、98.30\%ガンマパスレート (1\%/1 mm)、DVH誤差 0.460を得た。

関連論文リスト

• Gaussian-JEPA: Joint-Embedding Predictive Learning for 3D Gaussian Splats [91.55220894541151]
  3D Gaussian Splatting (3DGS)は、幾何学と外観を結合的にエンコードする異方性プリミティブを持つ3Dコンテンツを表す。 本稿では,ガウス的トークンブロックの表現を視覚的コンテキストから予測するガウス的JEPAを提案する。
  論文  参考訳（メタデータ） (2026-08-16T09:43:50Z)
• Chimera: Designing and Chinchilla-Scaling Hybrid Visual Diffusion Transformers [54.01042826416009]
  ビジュアル生成には高解像度の画像、長いビデオ、マルチモーダルコンテキストが必要である。 原理的なスケーリングレシピを備えたハイブリッドビジュアル拡散バックボーンであるChimeraを紹介した。 密度の高いバックボーンは、一致したフルアテンションWan2.1 2Bベースラインの1.7倍の計算効率を示す。
  論文  参考訳（メタデータ） (2026-07-30T17:58:02Z)
• Physics-Informed Neural Operator for Warm-Starting Background-Decomposed and Preconditioned PSFD: Enabling Scalable 3-D EUV Mask Simulation [0.8747606955991706]
  本研究では,EUVリソグラフィにおける電磁散乱問題に対する擬スペクトル周波数領域方程式を訓練した物理インフォームド・ニューラル演算子(PINO)を提案する。 PINOは、事前計算されたEMフィールドソリューションを使わずに、トレーニングイテレーション毎にランダムにサンプリングされたLithoBenchライブラリから約16,000のマスク設計でトレーニングされている。 The PINO surrogate model yields a mean absolute error of about 7, times 10-3$ for the scattered intensity of hold-out mask pattern relative to the reference PSFD solution。
  論文  参考訳（メタデータ） (2026-07-28T06:31:21Z)
• Physics-Informed Residuals for Adaptive Mesh Refinement in Finite-Difference PDE Solvers [0.0]
  本稿では,物理インフォームドニューラルネットワーク(PINN)を最終解法ではなく,適応メッシュ改良のためのオフグリッド残差プローブとして用いるハイブリッド戦略について検討する。 PINN残基はドメイン上でサンプリングされ、セルワイズインジケータに変換され、最終近似が有限差分ソルバによって計算される前に精製を誘導するために使用される。
  論文  参考訳（メタデータ） (2026-06-01T16:47:21Z)
• Fluence Map Prediction with Deep Learning: A Transformer-based Approach [4.362977319915193]
  本研究では, 臨床品質を維持しつつ, フラエンスマップ生成を加速する深層学習フレームワークを提案する。 エンドツーエンドの3D Swin-UNETRネットワークは、体積CT画像と解剖学的輪郭から直接9ビームのフルレンスマップを予測するために訓練された。 提案モデルでは,平均R2は0.95+/-0.02,MAEは0.035+/-0.008,ガンマ通過率は85+/-10%(3%/3mm)であった。
  論文  参考訳（メタデータ） (2025-11-10T19:24:14Z)
• Integrated Data Analysis of Plasma Electron Density Profile Tomography for HL-3 with Gaussian Process Regression [19.091677714329187]
  HL-3トカマクにおけるプラズマ電子密度プロファイルトモグラフィーのための統合データ解析モデルを提案する。 このモデルでは遠赤外レーザー干渉計からの線積分測定と周波数変調連続波反射計による点測定を組み合わせている。
  論文  参考訳（メタデータ） (2025-02-13T01:43:14Z)
• Transolver++: An Accurate Neural Solver for PDEs on Million-Scale Geometries [67.63077028746191]
  Transolver++は、百万のスケールでPDEを解くことができる、非常に並列で効率的なニューラルソルバである。 Transolver++は、シングルGPU入力能力を初めて100万ポイントに拡張する。 数百万スケールの高忠実度産業シミュレーションで20%以上の性能向上を実現している。
  論文  参考訳（メタデータ） (2025-02-04T15:33:50Z)
• R$^2$-Gaussian: Rectifying Radiative Gaussian Splatting for Tomographic Reconstruction [53.19869886963333]
  3次元ガウススプラッティング(3DGS)は画像のレンダリングと表面再構成において有望な結果を示した。 本稿では,Sparse-viewトモグラフィ再構成のための3DGSベースのフレームワークであるR2$-Gaussianを紹介する。
  論文  参考訳（メタデータ） (2024-05-31T08:39:02Z)
• Why Approximate Matrix Square Root Outperforms Accurate SVD in Global Covariance Pooling? [59.820507600960745]
  本稿では,前方通過のSVDと後方伝播のPad'e近似を用いて勾配を計算する新しいGCPメタ層を提案する。 提案するメタレイヤは,さまざまなCNNモデルに統合され,大規模および微細なデータセット上で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2021-05-06T08:03:45Z)

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。