【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

C++字符串提取和分割的多种方法

《C++字符串提取和分割的多种方法》在C++编程中,字符串处理是一个常见的任务,尤其是在需要从字符串中提取特定数据时,本文将详细探讨如何使用C++标准库中的工具来提取和分割字符串,并分析不同方法的适用... 目录1. 字符串提取的基本方法1.1 使用 std::istringstream 和 >> 操作符示

一文详解SQL Server如何跟踪自动统计信息更新

《一文详解SQLServer如何跟踪自动统计信息更新》SQLServer数据库中,我们都清楚统计信息对于优化器来说非常重要,所以本文就来和大家简单聊一聊SQLServer如何跟踪自动统计信息更新吧... SQL Server数据库中,我们都清楚统计信息对于优化器来说非常重要。一般情况下,我们会开启"自动更新

C++快速排序超详细讲解

《C++快速排序超详细讲解》快速排序是一种高效的排序算法,通过分治法将数组划分为两部分,递归排序,直到整个数组有序,通过代码解析和示例,详细解释了快速排序的工作原理和实现过程,需要的朋友可以参考下... 目录一、快速排序原理二、快速排序标准代码三、代码解析四、使用while循环的快速排序1.代码代码1.由快

Flask 验证码自动生成的实现示例

《Flask验证码自动生成的实现示例》本文主要介绍了Flask验证码自动生成的实现示例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习... 目录生成图片以及结果处理验证码蓝图html页面展示想必验证码大家都有所了解,但是可以自己定义图片验证码

Win32下C++实现快速获取硬盘分区信息

《Win32下C++实现快速获取硬盘分区信息》这篇文章主要为大家详细介绍了Win32下C++如何实现快速获取硬盘分区信息,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 实现代码CDiskDriveUtils.h#pragma once #include <wtypesbase

Python Excel实现自动添加编号

《PythonExcel实现自动添加编号》这篇文章主要为大家详细介绍了如何使用Python在Excel中实现自动添加编号效果,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1、背景介绍2、库的安装3、核心代码4、完整代码1、背景介绍简单的说,就是在Excel中有一列h=会有重复

Spring AI与DeepSeek实战一之快速打造智能对话应用

《SpringAI与DeepSeek实战一之快速打造智能对话应用》本文详细介绍了如何通过SpringAI框架集成DeepSeek大模型,实现普通对话和流式对话功能,步骤包括申请API-KEY、项目搭... 目录一、概述二、申请DeepSeek的API-KEY三、项目搭建3.1. 开发环境要求3.2. mav

Springboot的自动配置是什么及注意事项

《Springboot的自动配置是什么及注意事项》SpringBoot的自动配置(Auto-configuration)是指框架根据项目的依赖和应用程序的环境自动配置Spring应用上下文中的Bean... 目录核心概念:自动配置的关键特点:自动配置工作原理:示例:需要注意的点1.默认配置可能不适合所有场景

Python如何快速下载依赖

《Python如何快速下载依赖》本文介绍了四种在Python中快速下载依赖的方法,包括使用国内镜像源、开启pip并发下载功能、使用pipreqs批量下载项目依赖以及使用conda管理依赖,通过这些方法... 目录python快速下载依赖1. 使用国内镜像源临时使用镜像源永久配置镜像源2. 使用 pip 的并

SpringBoot快速接入OpenAI大模型的方法(JDK8)

《SpringBoot快速接入OpenAI大模型的方法(JDK8)》本文介绍了如何使用AI4J快速接入OpenAI大模型,并展示了如何实现流式与非流式的输出,以及对函数调用的使用,AI4J支持JDK8... 目录使用AI4J快速接入OpenAI大模型介绍AI4J-github快速使用创建SpringBoot