机构名称：
¥ 1.0
（CBCT），对 40 名术后头颈癌患者进行了训练。开发的 DCNN 在 Hounsfield 单位 (HU) 精度、图像对比度和 OAR 描绘精度方面提高了 CBCT。Jensen 等人使用 100 名前列腺癌患者队列证明，他们的新机器学习模型可用于快速估计癌症放射治疗中可行剂量目标的帕累托集，这可以直接加速治疗计划过程，并通过留出更多时间进行计划细化来间接提高最终计划质量。他们的模型通过利用优化优先级和输出初始化优于现有的机器学习技术。作为首次尝试，Mistro 等人已经证明知识模型可以有效地用作教学辅助工具，使缺乏经验的规划者在不到 2 天的时间内达到接近经验丰富的规划者的水平。拟议的辅导系统可以作为 AI 生态系统的重要组成部分，使临床医生能够有效、自信地使用基于知识的规划进行个性化放射治疗。基于 85 个训练案例和 15 个测试案例，Wang 等人展示了一种用于胰腺立体定向放射治疗 (SBRT) 规划的新型深度学习框架，该框架可以预测每个光束的通量图，从而绕过冗长的逆优化过程。在他们的工作中，Barua 等人证明了多元功能主成分分析 (MFPCA) 方法可用于表征接受辐射的下颌亚体积的时间轨迹。他们的工作表明，从放射治疗前后连续 CT 扫描中获得的放射组学特征的时间轨迹与放射治疗引起的下颌损伤相关，这可用于帮助早期治疗骨放射性坏死，这是口咽癌患者放射治疗的主要副作用。在一篇小型评论中，Luo 总结了目前用于预测宫颈癌结果的三种主要方法：统计模型、医学图像和机器学习，并讨论了使临床结果预测更准确、更可靠和更实用的一些挑战。
社论：人工智能助力精准医疗 - NSF-PAR
主要关键词
相关文件推荐
