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26 | 下载0

目的:采用基于放射组学的机器学习方法,探索盆腔肿瘤不同调强放疗技术下γ通过率(GPR)分类预测模型的可行性,并比较了4种集成树模型的分类性能。方法:回顾性收集了409例使用不同调强放疗技术的计划,采用基于模体测量方式的三维剂量验证结果,γ通过率标准为3

作者:倪千喜;杜阳峰;朱兆中;庞金猛;谭剑锋;吴智理;曹锦佳;陈路桥

来源:中华放射医学与防护杂志 2023 年 43卷 8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:26 | 下载:0
作者:
倪千喜;杜阳峰;朱兆中;庞金猛;谭剑锋;吴智理;曹锦佳;陈路桥
来源:
中华放射医学与防护杂志 2023 年 43卷 8期
标签:
盆腔肿瘤 调强放疗技术 放射组学 γ通过率 剂量验证 Pelvic tumor Intensity-modulated radiation therapy technique Radiomics Gamma pass rate Dose validation
目的:采用基于放射组学的机器学习方法,探索盆腔肿瘤不同调强放疗技术下γ通过率(GPR)分类预测模型的可行性,并比较了4种集成树模型的分类性能。方法:回顾性收集了409例使用不同调强放疗技术的计划,采用基于模体测量方式的三维剂量验证结果,γ通过率标准为3