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

  1. 【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 ...

  2. 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 ...

  3. 【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 ...

  4. 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 ...

  5. 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 ...

  6. 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 ...

  7. 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 ...

  8. 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 ...

  9. (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

  1. 生产场景 bond 0实战
  2. jsoncpp和rapidjson哪个好用?
  3. 2021牛客暑期多校训练营3 B-Black and white(思维+最小生成树)
  4. 程序猿必备工具『CSDN浏览器助手』之超实用小工具测评
  5. 使用FD_CLOEXEC实现close-on-exec,关闭子进程无用文件描述符
  6. 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?...
  7. java生日正则表达式_Java语言十五讲
  8. 使用WndProc来处理消息
  9. JavaScript中call,apply,bind方法
  10. 处理 Vue-Router + Webpack 动态加载的一些小问题
  11. 网店宝贝复制专家操作手册
  12. Excel文件的读取-xls格式篇
  13. 2021前端经典面试题
  14. 【JVAV】—继承、多态、抽象类
  15. 通过access口加vlan标签吗_[转载]vlan与trunk打标签过程
  16. puzzle(1411)《文字》拼单词、一字不落、汉字魔法
  17. 以美颜sdk为例,详解sdk接入流程
  18. Python3操作pdf文件之ReportLab第1篇--解决中文乱码问题
  19. Eeid—ligerUI学习(1)[首页布局]
  20. 国家科技支撑计划项目申请书思路总结

热门文章

  1. contest11 CF510E div2 ooxxx oooox oooox
  2. 【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
  3. 正向代理与反向代理通俗版解释
  4. 往事的回忆:木星如何抓获小彗星
  5. 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
  6. 如何基于 ZEGO SDK 实现 Android 一对一音视频聊天应用
  7. L02 Laravel 教程 - Web 开发实战进阶 - 笔记
  8. echart旭日图_echart旭日图
  9. 小乌龟克隆报错:git add not exit cleanly
  10. Unity中的Transform Gizmo中的Pivot和Center