【ABee读论文】头部和颈部癌症危险器官和靶体积的自动分割的快速发展(Radiotherapy and Oncology,2019)

本文主要是介绍【ABee读论文】头部和颈部癌症危险器官和靶体积的自动分割的快速发展(Radiotherapy and Oncology,2019),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

【论文题目】

Rapid advances in auto-segmentation of organs at risk and target volumes in head and neck cancer

头部和颈部癌症危险器官和靶体积的自动分割的快速发展

【期刊】

Radiotherapy and Oncology,2019(130-140)

【摘要】

准确描绘靶区和危及器官对降低放射毒性至关重要。手动绘制的不同会直接影响到剂量的设计,自动分割可以减少不同医生手工绘制的差异,同时降低分割时间,会直接减少患者的治疗计划和临床等待时间。放疗适应期内会有一些生物或者解剖学的变化,需要迅速地重新规划方案,手工绘制时间太长,事实上阻碍了适应性治疗的最佳实施。本文将讨论引入人工智能对头颈部的放疗会产生怎样的变化。特别关注的是轮廓的准确度和时间。如果这些技术正确实现,可以使得患者的治疗更标准化,并节省大量时间。

(太长不看版)摘要

     1.手工绘制靶区和危及器官太慢啦!

     2.不同人绘制的标准不一样!影响剂量!

     3.看看人工智能能不能在准确和时间上帮上忙!

     4.讨论的主要领域是头颈部放疗相关的自动分割

 

ps.不是全部的翻译,只截取了关键信息,尽可能按照原文翻译。

 

自动分割准确度评价标准:

Dice similarity coefficient (DSC), mean surface distance (MSD), Hausdorff surface distance (HSD), sensitivity and  specificity analyses ,receiver operator characteristics (ROC)  curves

 

Atlas-based auto-segmentation (ABAS)

ABAS是一种利用可变形的图像配准从地图集(Atlas)传播至患者数据集。SingleABAS技术主要利用一个事先确定节点的靶区和危机器官(即勾画好金标准)单一数据集。multi-ABAS可以对来自多个数据集的数据进行组合,减少Atlas和患者数据集在解剖学上存在显著差异的风险,然后把多个独立的分割结果组合起来,得到一个平均的地图集,融合地图集的方式是多种多样的。主要有STAPLE和STEPS两种算法。使用STAPLE算法,所有地图集的权重都是一样的;使用STEPS算法,只使用排名靠前、和患者解剖更相似的地图集。

 

Hybrid auto-segmentation(HAS)

基于模型的方法可以在分割过程中加入先验形状约束,可以更好的分割存在缺陷的图像(对比度低、图像信息缺失等)。解剖结构的可变模型通常用三角形网格表示,形状设计接近所讨论结构的平均形状(先验知识)。模型除了形状还可能利用感兴趣区域的特征灰度范围、梯度方向、强度等知识。一般需要很多手工操作(指手动网格操作工具、编辑网格等)。如果希望完全自动化,可以将基于模型的方法与ABAS结合,将图像配准和分割结合到同一个框架中,使用可变形模型的部分作为配准约束,或者用于补偿配准之后的误差。

 

Deep learning-based algorithms

基于深度学习的HNC放射治疗规划算法主要关注精度和OAR轮廓,在本文的文献检索中,没有发现评估这些技术在节省时间、影响剂量或者观察者间变异性(可能是指不同人的勾画差异?)的研究。

 

 


 

这篇关于【ABee读论文】头部和颈部癌症危险器官和靶体积的自动分割的快速发展(Radiotherapy and Oncology,2019)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/607196

相关文章

电脑桌面文件删除了怎么找回来?别急,快速恢复攻略在此

在日常使用电脑的过程中,我们经常会遇到这样的情况:一不小心,桌面上的某个重要文件被删除了。这时,大多数人可能会感到惊慌失措,不知所措。 其实,不必过于担心,因为有很多方法可以帮助我们找回被删除的桌面文件。下面,就让我们一起来了解一下这些恢复桌面文件的方法吧。 一、使用撤销操作 如果我们刚刚删除了桌面上的文件,并且还没有进行其他操作,那么可以尝试使用撤销操作来恢复文件。在键盘上同时按下“C

AI hospital 论文Idea

一、Benchmarking Large Language Models on Communicative Medical Coaching: A Dataset and a Novel System论文地址含代码 大多数现有模型和工具主要迎合以患者为中心的服务。这项工作深入探讨了LLMs在提高医疗专业人员的沟通能力。目标是构建一个模拟实践环境,人类医生(即医学学习者)可以在其中与患者代理进行医学

BUUCTF靶场[web][极客大挑战 2019]Http、[HCTF 2018]admin

目录   [web][极客大挑战 2019]Http 考点:Referer协议、UA协议、X-Forwarded-For协议 [web][HCTF 2018]admin 考点:弱密码字典爆破 四种方法:   [web][极客大挑战 2019]Http 考点:Referer协议、UA协议、X-Forwarded-For协议 访问环境 老规矩,我们先查看源代码

hdu 4565 推倒公式+矩阵快速幂

题意 求下式的值: Sn=⌈ (a+b√)n⌉%m S_n = \lceil\ (a + \sqrt{b}) ^ n \rceil\% m 其中: 0<a,m<215 0< a, m < 2^{15} 0<b,n<231 0 < b, n < 2^{31} (a−1)2<b<a2 (a-1)^2< b < a^2 解析 令: An=(a+b√)n A_n = (a +

v0.dev快速开发

探索v0.dev:次世代开发者之利器 今之技艺日新月异,开发者之工具亦随之进步不辍。v0.dev者,新兴之开发者利器也,迅速引起众多开发者之瞩目。本文将引汝探究v0.dev之基本功能与优势,助汝速速上手,提升开发之效率。 何谓v0.dev? v0.dev者,现代化之开发者工具也,旨在简化并加速软件开发之过程。其集多种功能于一体,助开发者高效编写、测试及部署代码。无论汝为前端开发者、后端开发者

从戴尔公司中国大饭店DTF大会,看科技外企如何在中国市场发展

【科技明说 | 科技热点关注】 2024戴尔科技峰会在8月如期举行,虽然因事未能抵达现场参加,我只是观看了网上在线直播,也未能采访到DTF现场重要与会者,但是通过数十年对戴尔的跟踪与观察,我觉得2024戴尔科技峰会给业界传递了6大重要信号。不妨简单聊聊:从戴尔公司中国大饭店DTF大会,看科技外企如何在中国市场发展? 1)退出中国的谣言不攻自破。 之前有不良媒体宣扬戴尔将退出中国的谣言,随着2

基于51单片机的自动转向修复系统的设计与实现

文章目录 前言资料获取设计介绍功能介绍设计清单具体实现截图参考文献设计获取 前言 💗博主介绍:✌全网粉丝10W+,CSDN特邀作者、博客专家、CSDN新星计划导师,一名热衷于单片机技术探索与分享的博主、专注于 精通51/STM32/MSP430/AVR等单片机设计 主要对象是咱们电子相关专业的大学生,希望您们都共创辉煌!✌💗 👇🏻 精彩专栏 推荐订阅👇🏻 单片机

论文翻译:arxiv-2024 Benchmark Data Contamination of Large Language Models: A Survey

Benchmark Data Contamination of Large Language Models: A Survey https://arxiv.org/abs/2406.04244 大规模语言模型的基准数据污染:一项综述 文章目录 大规模语言模型的基准数据污染:一项综述摘要1 引言 摘要 大规模语言模型(LLMs),如GPT-4、Claude-3和Gemini的快

论文阅读笔记: Segment Anything

文章目录 Segment Anything摘要引言任务模型数据引擎数据集负责任的人工智能 Segment Anything Model图像编码器提示编码器mask解码器解决歧义损失和训练 Segment Anything 论文地址: https://arxiv.org/abs/2304.02643 代码地址:https://github.com/facebookresear

Python3 BeautifulSoup爬虫 POJ自动提交

POJ 提交代码采用Base64加密方式 import http.cookiejarimport loggingimport urllib.parseimport urllib.requestimport base64from bs4 import BeautifulSoupfrom submitcode import SubmitCodeclass SubmitPoj():de