基于机器学习的自适应放射治疗:从板凳上到床边

放射治疗的目标是治愈恶性肿瘤同时保护周围的健康组织。课程标准的放射治疗持续六个星期,在此期间解剖学变化通常预期由于肿瘤收缩和器官填充和病人的日常变化定位。历史上临床医生补偿这些变化与计划目标卷,有丰厚的利润;然而,权衡增加剂量对健康组织。另一个选择是适应治疗,病人接受定制治疗基于“anatomy-of-the-day。”This approach reduces inter-fraction treatment quality variations and better spares healthy tissues. Adaptive therapy has been an active research area for some time and finally has been implemented in some radiotherapy clinics, due in large part to machine learning-driven image registration, segmentation, planning, and treatment delivery.

适应放疗治疗一直受到临床医生的梦想正逐渐成为临床现实由于机器学习的进步和最近的技术突破由人工智能。自适应治疗是在一个至关重要的阶段,从板凳上到床边过渡。与第一代商业自适应处理机器和解决方案已经在一些放射肿瘤学中心,有新兴专业的临床实现自适应规划工作流。这宝贵的临床知识将自适应治疗纳入常规临床实践无疑将鼓励相关研究活动来提高精度和效率,进一步促进了临床的实现自适应治疗。在平行,研究人员正在大步发展中先进的自适应处理技术基于信息从不同的成像模式。这个研究课题的目标是提供一个平台,放射治疗临床应用的临床医生和研究人员分享实用方面AI-driven现代自适应治疗工作流并促进这一领域的前沿技术进步。

我们欢迎手稿,包括但不限于AI-driven图像分割,治疗计划,在线/离线计划适应,处方改编。小说的原始研究自适应治疗解决方案和实施从临床实践知识是受欢迎的。作者也鼓励提交时事评论,专注于一个特定的方面适应辐射治疗,或自适应治疗特定疾病的工作流。

请注意:手稿组成的生物信息学、计算分析、或预测的公共数据库不伴随着验证(独立的队列或生物验证体外或体内)将不会接受任何部分肿瘤的边界。雷竞技rebat