准确快速的深度学习剂量预测在临床前微束放射治疗研究中使用低统计蒙特卡洛模拟
摘要：快速而准确的机器学习模型在回顾性临床微束放射治疗啮齿动物研究中首次成功应用于测量微束路径中的峰值剂量和峡谷剂量。机器学习模型的预测与低噪声的蒙特卡洛模拟结果显示出极好的一致性，尤其在研究的肿瘤体积范围内。尽管机器学习模型在故意训练中使用了统计不确定性显著较高的蒙特卡洛样本，但仍然获得了较好的一致性。成功使用高噪声的训练集数据样本加快了将机器学习模型应用于其他未来的新辐射癌症治疗方法的转化进程。
作者：Florian Mentzel and Jason Paino and Micah Barnes and Matthew Cameron and St''ephanie Corde and Elette Engels and Kevin Kr"oninger and Michael Lerch and Olaf Nackenhorst and Anatoly Rosenfeld and Moeva Tehei and Ah Chung Tsoi and Sarah Vogel and Jens Weingarten and Markus Hagenbuchner and Susanna Guatelli
论文ID：2212.05659
分类：Medical Physics
分类简称：physics.med-ph
提交时间：2023-04-07