Optimizing radiotherapy plans for cancer treatment with Tensor Networks解读
论文链接:https://arxiv.org/abs/2010.09552
本论文的主要内容(除去附录)
1.背景
放射治疗(后面称为放疗):是利用电离辐射治疗实体肿瘤的技术之一
原理:释放到癌组织中的辐射剂量会损害肿瘤细胞的DNA,导致其死亡或减缓肿瘤的生长
用电离辐射治疗时最困难的挑战之一:
向目标肿瘤提供最佳剂量,同时保持周围健康组织中的辐射尽可能低
当今最常用的技术之一:强度调制放疗(IMRT)
IMRT的核心思想:对所施加的辐射进行调制,以在患者体内达到最佳剂量分布
缺点:由于该优化调制通过求解一个困难的数值优化问题获得的,所以有大量的优化参数和对最终辐射剂量分布的众多约束
在过去的几年中,已经发展了几种数值技术来应对这一挑战:
2015年,Nazareth和Spaans提出使用 D波退火机解决IMRT束流通量优化问题 2020年, Pakela等人提出了一种利用 模拟量子隧道效应的方法 这些新方法的应用有限: 1.缺乏可伸缩的量子硬件 2.缺乏将经典IMRT问题映射到量子硬件的稳健而清晰的策略 解决方案:将张量网络(TNs)应用于IMRT剂量优化问题
问题:如何使用TNs解决IMRT优化问题呢?
基本思路:
在本论文中将TNs应用于:
1.两个不同的简单模型(toy models)
2.一个更真实的模拟前列腺癌治疗的解剖场
本实验最终主要得到以下结果:
证明了TNs结果与其他经典技术(二次规划(QP)和模拟退火(SA))是相容( compatible )的
2.Methods
2.1 Radiotherapy optimization problem(放疗优化问题)
IMRT:在提高治疗质量方面,最具影响力的技术之一
在一些病例中,被关键OARs(危险区域:在病原细胞附近的会被影响的区域)包围的非常不规则的肿瘤需要高剂量,选择IMRT治疗因为它 辐射束(beam)非均匀强度分布
IMRT的原理:将每个beam的流量分割成一定数量的小pencil-beam,也称为
Optimizing radiotherapy plans for cancer treatment with Tensor Networks解读相关推荐
- 【论文解读】Optimizing FPGA-based Accelerator Design for Deep Convolutional Neural Networks
Optimizing FPGA-based Accelerator Design for Deep Convolutional Neural Networks 论文地址:http://cadlab.c ...
- 论文记录:Reasoning with neural tensor networks for Knowledge Base completion
论文记录:Reasoning with neural tensor networks for Knowledge Base completion Paper points Neural tensor ...
- 【阅读笔记】Reasoning With Neural Tensor Networks for Knowledge Base Completion
前言 论文地址 Poster Abstract 这篇论文里,作者介绍了一个适用于推理两个实体关系的神经网络(Neural Tensor Network).相比之前的工作要么将实体表示成离散的最小单元或 ...
- 读论文11——Optimizing FPGA-based Accelerator Design for Deep Convolutional Neural Networks
目录 Abstract Introduction Background CNN Basis A Real-Life CNN the Roofline Model Accelerator Design ...
- Optimizing Subgraph Queries by Combining Binary and Worst-Case Optimal Joins
本文由滑铁卢大学的Amine Mhedhbi和Semih Salihoglu发表 摘要 本文主要研究子图查询优化问题,并使用新的 worst-case optimal join plans. wors ...
- Neural Tensor Network详细介绍
文章目录 前言 思想 NTN 前言 论文原文:Reasoning With Neural Tensor Networks for Knowledge Base Completion. 作者比较有名,有 ...
- In silico saturation mutagenesis of cancer genes 解读
这是一篇关于<In silico saturation mutagenesis of cancer genes>论文的解读,肯定有不全的地方,仅仅作为参考,如想深入学习,请结合原文. In ...
- 硼中子俘获疗法的治疗诊断方法(2021)
硼中子俘获疗法的治疗诊断方法 Theranostics in Boron Neutron Capture Therapy 2021 沃尔夫冈·A·G·索尔文1,2,3,*.露西·桑西4.埃瓦玛丽·海霍 ...
- (三十三 :2021.01.12)MICCAI 2016 追踪之论文纲要
讲在前面 PART I.PART II和PART III. 论文目录 PART I 标题 概要 1.Ordinal Patterns for Connectivity Networks in Brai ...
最新文章
- 生产场景 bond 0实战
- jsoncpp和rapidjson哪个好用?
- 2021牛客暑期多校训练营3 B-Black and white(思维+最小生成树)
- 程序猿必备工具『CSDN浏览器助手』之超实用小工具测评
- 使用FD_CLOEXEC实现close-on-exec,关闭子进程无用文件描述符
- lacp可以在access接口吗_【思唯网络学院】【干货】LACP与PAGP是什么?有何区别?...
- java生日正则表达式_Java语言十五讲
- 使用WndProc来处理消息
- JavaScript中call,apply,bind方法
- 处理 Vue-Router + Webpack 动态加载的一些小问题
- 网店宝贝复制专家操作手册
- Excel文件的读取-xls格式篇
- 2021前端经典面试题
- 【JVAV】—继承、多态、抽象类
- 通过access口加vlan标签吗_[转载]vlan与trunk打标签过程
- puzzle(1411)《文字》拼单词、一字不落、汉字魔法
- 以美颜sdk为例,详解sdk接入流程
- Python3操作pdf文件之ReportLab第1篇--解决中文乱码问题
- Eeid—ligerUI学习(1)[首页布局]
- 国家科技支撑计划项目申请书思路总结
热门文章
- contest11 CF510E div2 ooxxx oooox oooox
- 【ELM预测】基于粒子群算法改进极限学习机ELM实现数据预测matlab源码
- 正向代理与反向代理通俗版解释
- 往事的回忆:木星如何抓获小彗星
- VMware虚拟机/Hyper-V在(校园网/PPPoe拨号上网)环境无法上网解决方案
- 如何基于 ZEGO SDK 实现 Android 一对一音视频聊天应用
- L02 Laravel 教程 - Web 开发实战进阶 - 笔记
- echart旭日图_echart旭日图
- 小乌龟克隆报错:git add not exit cleanly
- Unity中的Transform Gizmo中的Pivot和Center