您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览37 | 下载0

目的:采用随机森林和支持向量机两种机器学习算法建立预测模型,实现容积弧形调强(VMAT)验证γ通过率(GPR)的数值预测和分类预测。方法:回顾性选取2019年4月至2020年8月于温州医科大学附属第一医院放疗中心接受VMAT放疗的258例患者资料,其中头颈部38例,胸腹部220例。对所有患者VMAT计划提取13个复杂度参数,收集计划验证在3

作者:易金玲;杨继明;雷希瑶;宁博达;金献测;张吉

来源:中华放射医学与防护杂志 2022 年 42卷 12期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:37 | 下载:0
作者:
易金玲;杨继明;雷希瑶;宁博达;金献测;张吉
来源:
中华放射医学与防护杂志 2022 年 42卷 12期
标签:
容积弧形调强 质量保证 随机森林算法 预测模型 VMAT Quality assurance Random forest algorithm Prediction model
目的:采用随机森林和支持向量机两种机器学习算法建立预测模型,实现容积弧形调强(VMAT)验证γ通过率(GPR)的数值预测和分类预测。方法:回顾性选取2019年4月至2020年8月于温州医科大学附属第一医院放疗中心接受VMAT放疗的258例患者资料,其中头颈部38例,胸腹部220例。对所有患者VMAT计划提取13个复杂度参数,收集计划验证在3