Feb, 2024

立体定向放射治疗发展概述

PDF
TL;DR立体定向放射治疗（SBRT）是一种将高能射线聚焦于肿瘤病灶区域的三维空间技术，可以降低周围正常组织接受的剂量，有效提高肿瘤的局部控制率，降低并发症的可能性。本文讨论了 SBRT 的背景、放射生物学基础、关键技术和主要设备，并展望了其未来发展方向。
stereotactic body radiation therapysbrttumorradiation biologyclinical practice
发现论文，激发创造
  • 磁共振三角辐射学跟踪肺肿瘤在接受立体定向磁共振引导放疗过程中的放疗反应

    通过 MR 导向的肺部体固态放射治疗，我们的研究建立了利用 δ 放射组学分析来捕捉肺部体固态放射治疗的短期放射学表现的可行性和稳定性。

    Feb, 2024

  • RT-SRTS：单次 X 射线投影中的角度无关实时三维重建和肿瘤分割

    本研究提出了一种新的成像方法 RT-SRTS，基于多任务学习将 3D 成像与肿瘤分割集成到一个网络中，能够实时、同时从任意角度的单一 X 射线投影中进行 3D 重建和肿瘤分割，并通过增强的校准器和不确定区域详细化模块来提高特征提取和分割准确性。该方法在十个患者病例上进行了评估，并与两种最先进的方法进行了比较，结果不仅显示出优越的 3D 重建效果，而且具有可观的肿瘤分割结果。同时重建和分割可以在约 70 毫秒内完成，远远快于实时肿瘤跟踪的所需时间阈值。AEC 和 URE 的有效性也通过消融研究得到了验证。

    Oct, 2023

  • 恶性黑色素瘤颅内转移立体定向放疗后局部治疗效果预测的临床、剂量学和放射组学特征分析

    通过多中心、回顾性分析研究，发现基于术前磁共振成像特征的放射性治疗后预测脑转移瘤局部失败的相关指标，可为进一步个体化放射治疗策略提供潜在的治疗相关信息。

    May, 2024

  • 脑转移放射治疗的多模态体积感知检测和分割

    本研究提出一种使用多模态成像和集成神经网络的深度学习方法，自动检测和分割小的靶病灶，以提高立体定向放射治疗（SRS）的效率。该方法优于当前基准水平，并证明了对于多个脑转移瘤的 SRS 治疗规划，可靠的 AI 辅助系统。

    Aug, 2019

  • 2024 年脑肿瘤分割挑战：脑膜瘤放疗规划自动分割

    通过使用最大的已知多机构放射治疗计划脑 MRI 数据集，对具有完整或术后脑膜瘤的患者进行放射治疗，本研究旨在推进自动化分割算法。该数据集包含脱敏的三维增强 T1 加权放射治疗计划 MRI 及其相应的标注目标体积，能够准确分割肿瘤并提供个体化治疗，预计将显著改善患者预后。

    May, 2024

  • 使用 U-Net 算法在 CT 序列中分割进行全骨髓放疗的计划治疗区域

    本文介绍了一种基于深度学习的自动轮廓绘制方法，用于对人体进行放射治疗的规划。我们通过对 100 位 TMLI 患者的数据集进行模型训练并对结果进行评估，得到了非常有前途的结果，并有望帮助辐射肿瘤科医生更加高效地治疗更多的患者。

    Apr, 2023

  • 加利福尼亚大学旧金山分校，脑转移立体定向放疗（UCSF-BMSR）MRI 数据集

    UCSF-BMSR 是一个公共的、多模态的 MRI 数据集，包括 560 个病人的 5136 个脑转移灶的专家标注，旨在推动脑转移灶 AI 应用的研究。

    Apr, 2023

  • 利用 Transformer 模型及注意力机制理解放疗与免疫治疗中的 PULSAR 效应

    PULSAR 是一种个性化的、超分式立体定向自适应放射疗法，该研究应用基于 Transformer 的注意力机制，通过小鼠癌症模型（LLC）探究了 PULSAR 与 PD-L1 阻断免疫治疗相结合的基本相互作用，该方法能够对肿瘤体积变化趋势进行半定量预测，并且通过自注注意和交叉注意力评分有效地识别潜在的因果关系。

    Mar, 2024

  • 多参数术前核磁共振影像对细胞母细胞瘤生存推断的治疗方向

    我们提出了一种治疗条件回归模型，利用术前磁共振扫描预测胶质母细胞瘤患者的生存时间。通过将治疗信息与磁共振扫描结合起来，我们的方法有效利用了所有治疗数据，并证明了将治疗注入到每个卷积层中的有效性。

    Feb, 2024

  • 多尺度精化的三元约束变换器在放射治疗中的剂量预测

    使用三元约束 Transformer（TCtrans）和多尺度精化技术来预测高质量的剂量分布，对临床宫颈癌数据集进行实验验证，证明了该方法的优越性。

    Feb, 2024