原題
Criteria-calibration approaches to deep learning-based cervical cancer radiation treatment auto-planning.
背景:Knowledge-Based Planning(KBP)は、線量予測に機械学習を使用して放射線治療を強化するが、特定の患者のニーズに適応することは困難な場合がある。本研究は、子宮頚癌放射線治療の線量予測モデルの改良を目的とした。
方法:データの不均衡に対処するために、予測耐性関数、伝達学習、および混合密度ネットワーク(MDN)の3つの較正アプローチを用いて、200例の子宮頸癌症例と21例の卵巣保護の特異的症例のデータセットを分析した。
結果:予測耐性関数は迅速な最適化を提供し、転移学習は最小限のトレーニングを必要とし、MDNは堅牢な予測を提供し、実際の結果との最良の一致を達成した。
結論:この研究では、KBPのワークフローと検証された較正方法を紹介し、個別化された放射線治療計画のための線量予測を精緻化する可能性を強調した。
Journal: Radiat Oncol (CiteScore 2022: 6.6)
DOI: 10.1186/s13014-025-02684-x
PMID: 40836342
コメント