研究比较ML逆向放疗计划的局部与全局优化
热点事件持续更新
研究比较ML逆向放疗计划的局部与全局优化
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
一项预印本研究比较了两种开源机器学习逆向放疗计划框架：OptiCL 采用全局混合整数优化，pyanno4rt 采用局部非线性优化，并分别嵌入逻辑回归、线性 SVM 和前馈神经网络 NTCP 模型，覆盖 8 例头颈光子与 7 例肺部质子病例。 结果显示两者剂量分布总体一致，OptiCL 倾向给出更低的 OAR 剂量与预测 NTCP，但运行时间更长。作者称，基于决策树的头颈计划混合优化可消除 80% 二值决策变量且不损失计划质量。
AI 根据报道生成 · 52 分钟前更新
最新进展10月23日 12:00
局部与全局优化对比揭示机器学习逆向计划的混合优化潜力报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv 物理局部与全局优化对比揭示机器学习逆向计划的混合优化潜力
研究对比了 OptiCL（全局混合整数优化）与 pyanno4rt（局部非线性优化）两个开源框架在机器学习逆向放疗计划中的表现，嵌入逻辑回归、线性 SVM 和前馈神经网络 NTCP 模型，覆盖 8 例头颈光子与 7 例肺部质子病例。两者剂量分布总体一致，OptiCL 倾向更低的 OAR 剂量与预测 NTCP，但运行时间更长。基于决策树的头颈计划混合优化可消除 80% 二值决策变量且不损失计划质量。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。