radiotherapy | BriefGPT - AI 论文速递

关键词radiotherapy

搜索结果 - 23

基于 GPT-4Vision 的自动放射治疗计划导引
射线治疗计划是一项耗时且潜在主观性的过程，需要迭代调整模型参数以平衡多个冲突的目标。本研究介绍了 GPT-RadPlan，它是一个完全自动化的治疗计划框架，利用多模态大型语言模型中编码的放射治疗学知识，作为专家人工规划师指导治疗计划过程。通
PDF15 days ago
放射治疗中器官风险区划的质量保证
通过使用自动分割技术并引入一类分类器，该研究提出了一种可以高精度检测肿瘤器官轮廓错误的方法，能够显著降低医生对轮廓划定的负担。
PDF2 months ago
TransAnaNet：基于 Transformer 的头颈部肿瘤患者放射治疗解剖变化预测网络
研究通过使用基于视觉转换器（ViT）的神经网络来评估使用放疗治疗头颈部癌症患者时，使用 ViT 网络预测放疗引起的解剖学变化的可行性，并显示出良好的预测性能，以帮助头颈部癌症自适应放疗的决策。
PDF2 months ago
通过 2D kV 图像合成病人特定的 3D CT 图像实现精确的病人对准，无需额外的成像剂量
提出了使用双模型框架，通过层次化 ViT 模块从 kV 图像中实时重建准确的全尺寸 3D CT，以显著提高患者摆位精度并保持最小的成像剂量，同时维护治疗的准确性。
PDF3 months ago
配对扩散：使用链接去噪扩散概率模型生成相关的合成 PET-CT 分割扫描
人工智能在生物医学成像和放射治疗方面的快速发展受限于大型成像数据仓库的有限可用性。该研究介绍了一种能够使用成对网络和条件编码器生成多个相关 PET-CT - 肿瘤蒙版配对的新颖架构，通过创新的时间步骤控制机制和 “噪声播种” 策略改善 DD
PDF3 months ago
基于剂量预测的放疗参数回归：通过内外关系建模
深度学习在放疗自动化方面发挥了作用，但现有方法无法得出可直接输入治疗计划系统（TPS）的理想放疗参数，阻碍了放疗全面自动化。本文提出了一个新的两阶段框架，用于直接回归放疗参数，包括剂量图预测阶段和放疗参数回归阶段。实验证明我们的方法的有效性
PDF4 months ago
基于神经图形特征的可变形图像配准用于即时运动提取
该研究提出了一种新颖的方法，利用神经图形原语（NGP）来优化位移向量场（DVF），通过浅层神经网络在空间内插值来进行自我监督优化，达到了 1.77 秒的非常快的速度，并且解决了传统 DIR 方法中常见的滑动边界问题。
PDF5 months ago
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。
PDF5 months ago
SegReg: 通过配准 MR 图像和 CT 注释分割 OARs
SegReg 方法利用弹性对称标准化技术将 MRI 图像与 CT 图像进行配准，以实现器官处于危险区域的分割，通过结合 CT 的几何精确度和 MRI 的软组织对比度，使得精确自动的器官处于危险区域的分割成为可能。
PDF8 months ago
利用具有特征提取的 CycleGAN 从 CT 扫描生成增强的合成 MRI 图像
本研究介绍了一种利用合成 MRI 图像进行增强的单模态配准的方法，通过利用 CycleGANs 和特征提取器从 CT 扫描中生成这些合成 MRI 图像，该方法在多个比较度量标准上表现出优秀的结果，验证了其有效性。
PDF8 months ago
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
PDF9 months ago
可解释的 3D Unet 胃肠道分割
利用 MR-Linac 等精确放疗技术，结合可解释人工智能（XAI）方法，提出了一个深度学习流程来解决胃肠器官分割的挑战。
PDF9 months ago
无监督配准：基于几何学学习和成像的放疗应用
为了精确地识别不同患者器官分割之间的相应点以应用于放射治疗，本研究旨在开发一个模型。通过使用头颈部器官分割的 CT 扫描训练了一个在 3D 形状中同时进行对应和插值估计的模型。通过两种方法扩展了原始模型，其中一种是直接从图像补丁中提取特征，
PDF9 months ago
DoseDiff: 针对放疗剂量预测的距离感知扩散模型
本文提出基于距离感知扩散模型的 CT 图像辅助剂量预测方法，实现了精密的剂量预测和肿瘤区域或危险器官等区域的距离信息引入，同时采用了多编码器和多尺度融合网络技术，有效提高了预测效果，实验证明该方法在乳腺癌和鼻咽癌两个数据集上，性能优于现有的
PDFa year ago
MRI 中使用 Segment Anything 基础模型可实现有利的脑肿瘤自动分割准确性，用于辅助放疗计划
本文介绍了一种新的 MRI 图像中肿瘤分割算法 ——Segment Anything，该算法通过对 Glioma 脑肿瘤的满足点任务进行了评估，并成功实现高精度的肿瘤自动分割，不仅如此，该算法能够加速和便利放射治疗规划。
PDFa year ago
局部化分割：通过裁剪提高危险器官分割准确性
本文旨在通过比较一二阶段使用本地化网络的深度学习方法以及基于全分辨率图像训练的单阶段基线网络的准确性提高，探究使用本地化阶段获得提高的准确性增益，并通过将本地化和器官分割网络结合的两阶段流程，在医学分割十项赛数据集中的脾脏、胰腺和心脏的分割
PDFa year ago
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。
PDFa year ago
培训数据集大小和集成推论策略对头颈自动分割的影响
研究了用不同大小的数据集（25-1000 个扫描）训练三维卷积神经网络以在放射治疗中自动分割头颈部器官的精度和鲁棒性，同时还评估了多种集成技术来改善这些模型的性能，结果表明集成技术对于较小的数据集的影响最为明显，并具有使用困难训练集的潜力。
PDFa year ago
应用自然语言处理技术自动提取接受放射治疗的患者病历中食管炎的存在和严重程度
这篇论文使用自然语言处理技术从临床笔记中自动提取配合 CTCAE 指南的食管炎毒性严重程度，取得了让人满意的结果，为在扩展领域下基于 NLP 自动化详细毒性监测提供了切实可行的解决方案。
PDFa year ago
直肠癌放射治疗计划的自动化
本研究开发了一种自动化的三维适形放射治疗工作流程，结合了深度学习的预测和前向规划算法以用于直肠癌治疗，从而生成具有临床可接受性的计划，研究证明其可以成功地自动化生成放疗计划。
PDF2 years ago