Core Concepts
放射線治療パラメータを直接回帰する新しいフレームワークを提案し、高品質な治療計画を生成するために有効性を実証した。
Abstract
この記事では、放射線治療計画の自動化に向けて新しいアプローチが提案されています。第一段階では、トランスフォーマーと畳み込みニューラルネットワーク(CNN)を組み合わせてリアルな投与量マップを予測し、第二段階では内部関係モデリング(Intra-RM)および相互関係モデリング(Inter-RM)モジュールを使用して精密なパラメータ回帰が行われます。これにより、高品質な放射線治療計画の生成が可能となります。実験結果は、提案手法の優越性を示しています。
Stats
実験結果はレクタルがんデータセットで効果的であることを示す。
トランスフォーマーとCNNの組み合わせにより、CIおよびHIのMADが向上した。
Quotes
"Deep learning has facilitated the automation of radiotherapy by predicting accurate dose distribution maps."
"Our work marks the pioneering effort in regressing accurate radiotherapy parameters for generating high-quality RT plans."