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125 | 下载278

近年来随着大数据分析与人工智能技术的发展,机器学习在放疗领域的应用研究逐渐增多.通过既往计划训练,机器学习可预测计划质量及剂量验证结果.机器学习也可以预测MLC位置误差、加速器性能.机器学习用于调强放疗质量保证能提高治疗计划和实施的质量和效率,增加患者获益并降低风险.机器学习用于调强放疗质量保证目前尚存在特征值选择、提取和计算复杂,要求训练样本量大,预测精度不够等问题,阻碍了其临床转化和应用.本文综述其研究进展.

作者:李佳奇;张书铭;王皓;张喜乐;李君;石成玉;隋婧;杨瑞杰

来源:中华放射肿瘤学杂志 2019 年 28卷 4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:125 | 下载:278
作者:
李佳奇;张书铭;王皓;张喜乐;李君;石成玉;隋婧;杨瑞杰
来源:
中华放射肿瘤学杂志 2019 年 28卷 4期
标签:
调强放射疗法 质量保证 机器学习 Intensity-modulated radiotherapy Quality assurance Machine learning
近年来随着大数据分析与人工智能技术的发展,机器学习在放疗领域的应用研究逐渐增多.通过既往计划训练,机器学习可预测计划质量及剂量验证结果.机器学习也可以预测MLC位置误差、加速器性能.机器学习用于调强放疗质量保证能提高治疗计划和实施的质量和效率,增加患者获益并降低风险.机器学习用于调强放疗质量保证目前尚存在特征值选择、提取和计算复杂,要求训练样本量大,预测精度不够等问题,阻碍了其临床转化和应用.本文综述其研究进展.