インターベンショナル放射線療法(ブラキセラピー)における深層学習の利用:オープンソースとオープンデータに焦点を当てるレビュー【JST・京大機械翻訳】

Fechter Tobias; Sachpazidis Ilias; Baltas Dimos

プレプリント

J-GLOBAL ID：202202215126456833 整理番号：22P0350603

インターベンショナル放射線療法(ブラキセラピー)における深層学習の利用:オープンソースとオープンデータに焦点を当てるレビュー【JST・京大機械翻訳】

The use of deep learning in interventional radiotherapy (brachytherapy): a review with a focus on open source and open data

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年05月16日プレプリントサーバーでの情報更新日： 2022年09月27日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

深層学習は,ほとんどすべての医療分野で最も重要な技術の一つに進んだ。特に,医学イメージングに関連した地域では,それは大きな役割を果たす。しかし,介入放射線療法(ブラキセラピー)では,深い学習はまだ早期相である。本レビューでは,まず,介入放射線療法および直接関連分野の全ての過程における深層学習の役割を検討し,精査した。さらに,最近の発展を要約した。深層学習アルゴリズムの結果を再現するために,ソースコードと訓練データの双方が利用可能である。したがって,本研究の第2の焦点は,オープンソース,オープンデータおよびオープンモデルのアベイラビリティの分析であった。本解析では,深部学習が介入放射線療法の幾つかの領域で既に主要な役割を果たすが,他者ではまだほとんど提示されていないことを示した。それにもかかわらず,その影響は数年と共に増加し,部分的に自己推進するが,密接に関連する分野にも影響される。オープンソース,データおよびモデルは,数で成長しているが,異なる研究グループ間では,まだ不足しており,不均等に分布している。出版コード,データおよびモデルにおけるリラクタンスは,再現性を限定し,単一施設データセットに対する評価を制限する。要約された,深い学習は,介入放射線療法のワークフローを正に変化させるが,再現可能な結果および標準化された評価方法になるとき,改善の余地がある。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

腫ようの放射線療法 , 泌尿生殖器の腫よう

, , , , ,

前のページに戻る