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20 | 下载0

目的:研究利用多目标优化(MCO)技术提高基于先验知识自动计划(KBP)模型的计划设计质量的可行性。方法:选择55例已完成放疗的鼻咽癌患者,每个病例都采用固定野调强放疗技术。随机选择40个病例的调强放疗计划作为训练集1,通过多目标优化技术对训练集1中的放疗计划进行预处理,构建新的训练集2。将初始训练集1和处理后的训练集2作为样本,分别训练得到传统的KBP模型和多目标优化技术精炼后的MCO-KBP模型。在剩余15个病例中随机选择5例作为验证集,其余10例作为测试集。验证通过后用测试集对初始的人工计划以及传统KBP模型和MCO-KBP模型生成自动计划的计划质量进行统计学分析。结果:传统KBP模型和MCO-KBP模型生成自动计划的靶区剂量(D 95

作者:蔡马凡;左国平;杨振;曹瑛;张子健;胡永梅;杨晓喻

来源:中华放射肿瘤学杂志 2022 年 31卷 9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:20 | 下载:0
作者:
蔡马凡;左国平;杨振;曹瑛;张子健;胡永梅;杨晓喻
来源:
中华放射肿瘤学杂志 2022 年 31卷 9期
标签:
基于先验知识自动计划 多目标优化 放射疗法自动计划 Automatic planning based on prior knowledge Multi-criterion optimization Automatic radiotherapy planning
目的:研究利用多目标优化(MCO)技术提高基于先验知识自动计划(KBP)模型的计划设计质量的可行性。方法:选择55例已完成放疗的鼻咽癌患者,每个病例都采用固定野调强放疗技术。随机选择40个病例的调强放疗计划作为训练集1,通过多目标优化技术对训练集1中的放疗计划进行预处理,构建新的训练集2。将初始训练集1和处理后的训练集2作为样本,分别训练得到传统的KBP模型和多目标优化技术精炼后的MCO-KBP模型。在剩余15个病例中随机选择5例作为验证集,其余10例作为测试集。验证通过后用测试集对初始的人工计划以及传统KBP模型和MCO-KBP模型生成自动计划的计划质量进行统计学分析。结果:传统KBP模型和MCO-KBP模型生成自动计划的靶区剂量(D 95