文献

J-GLOBAL ID：202202290203919722   整理番号：22A0631412

深層学習を用いた前立腺小線源治療のための高速モンテカルロベース逆計画【JST・京大機械翻訳】

Fast Monte Carlo-Based Inverse Planning for Prostate Brachytherapy by Using Deep Learning

著者 (5件)： Villa Mateo (LaTIM, INSERM, Faculte de Medicine, Universite ́ de Bretagne Occidentale, Brest, France) ,  Bert Julien (LaTIM, INSERM, Faculte de Medicine, Universite ́ de Bretagne Occidentale, Brest, France) ,  Valeri Antoine (LaTIM, INSERM, Faculte de Medicine, Universite ́ de Bretagne Occidentale, Brest, France) ,  Schick Ulrike (LaTIM, INSERM, Faculte de Medicine, Universite ́ de Bretagne Occidentale, Brest, France) ,  Visvikis Dimitris (LaTIM, INSERM, Faculte de Medicine, Universite ́ de Bretagne Occidentale, Brest, France)
資料名： IEEE Transactions on Radiation and Plasma Medical Sciences  (IEEE Transactions on Radiation and Plasma Medical Sciences)
巻： 6  号： 2  ページ： 182-188  発行年： 2022年 
JST資料番号： W2475A  ISSN： 2469-7311  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 逆計画は,低線量率(LDR)前立腺小線源療法に対する送達線量を最適化するための必須のツールである。臨床逆計画システムは,高速最適化を実行するためにTG-43線量計算形式を使用する。しかし,この方法は,しばしば線量過大評価をもたらす近似であり,準最適計画をもたらす。代わりに,モンテカルロシミュレーション(MCS)を用いて正確な線量分布を得たが,推定時間をかなり増加させた。リスクの前立腺と器官の線量分布を推定するために,グラフィックス処理ユニット(GPU)ベースのMCS生成データベース上で訓練された深い畳み込みニューラルネットワーク(DCNN)を用いるLDR前立腺小線源療法のための高速逆計画法を提案した。DCNN入力として,器官と種子位置のセグメンテーションを与えた。試験セットの平均パーセント誤差は,前立腺内で-1.19±0.94%であった。DCNNを用いて,最適化ループの各構成に対する各器官における線量測定パラメータを推定した。最終的なDCNNベースの小線源療法計画の線量測定パラメータは,完全なMCSで再計算した同じ計画と比較して,良好に一致した。DCNNに基づく提案した逆計画は,従来のGPUカードを用いて1分以下の実行時間でモンテカルロで等価レベルの精度に達することができた。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *モンテカルロ法 ,  最適化 ,  シミュレーション ,  セグメンテーション ,  データベース ,  リスク ,  線量測定 ,  *前立腺 ,  放射線量 ,  線量分布 ,  線量計算
準シソーラス用語： *密封小線源治療 ,  モンテカルロシミュレーション ,  GPU【プロセッサ】 ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 腫ようの放射線療法  (GE03034K) ,  泌尿生殖器の腫よう  (GM04000S)

タイトルに関連する用語 (5件)： 深層学習 ,  前立腺 ,  小線源治療 ,  モンテカルロ ,  計画