机构名称：
¥ 1.0
摘要 - 强化学习（RL）是一个框架，它使机器能够通过反复试验学习动态决策策略，从而最大程度地发出数值奖励信号。尽管其起源源于几个学科的早期工作，但最近的进步显着提高了其能力。鉴于癌症的复杂性和动态性质，RL在肿瘤学方面具有重要的希望，尤其是在成像中，它可以提高精度和效率。本文对肿瘤学的RL进行了全面综述，首先是对RL算法及其类别的基础知识的简要介绍。然后，它概述了肿瘤学中各种现有的RL应用，包括放射学和放射疗法。本文以讨论当前的挑战和未来观点的讨论，强调了RL通过更个性化的方法来改变癌症诊断和治疗的潜力。
肿瘤学中的强化学习：全面评论
主要关键词
相关文件推荐
