規劃中的研究
SLZ Lumen
規劃中的研究 · 合成資料原型已審閱 · 臨床研究仍在規劃中
探索以解剖結構為條件的深度學習放射治療劑量預測及幾何檢查。擬先使用資料較充足的基準，再視條件延伸至肝臟放射治療。
公開摘要更新日期
合成資料實驗的發現
原始簡化網絡的表現不及常數預測器。其後一項受控初始化實驗，將開發集平均絕對誤差降至 0.363 toy_Gy，而常數預測器為 0.877 toy_Gy。所有靶區內的預測仍然平坦；與未改動初始化的模型相比，靶區 D2/V10 誤差反而惡化。這不代表臨床治療計劃的準確度。
下一個問題
架構草案：以精簡 U-Net 及集成模型產生研究用劑量圖與劑量體積指標，並比較不確定性與基於解剖結構的失敗風險。研究設計草案：治療計劃資料集的納入條件、劑量與幾何品質檢查，以及僅在訓練集內透過折外預測產生之失敗標籤的來源紀錄。下一步：釐清器官與資料來源範圍、參考劑量的來源，以及由專家界定的失敗界限。這些是擬議規則，並非已檢查的臨床計劃或可供實施的治療計劃。