跳到主要内容

主题

放射疗法

放射疗法

白皮书:RaySearch实验室重点介绍放射肿瘤学软件的进步

2020年10月23日 RaySearch实验室
本文重点介绍的内容是由以下人员创建和托管的 物理世界的公司合作伙伴。它是免费阅读的,但是您将被要求先与相关合作伙伴共享您的联系方式,然后才被授予访问权限。

欢迎阅读一系列新的赞助文章中的最新文章,这些文章展示了来自全球基于物理的企业的一些最新白皮书和网络研讨会

这次,我们将重点介绍白皮书,案例研究和来自 RaySearch实验室.

机器学习计划模块 雷站*可以在几分钟内生成一个或多个可交付的治疗计划。自动化的治疗计划方法可从历史患者和计划数据中学习,并在新的患者几何体上推断3D空间剂量。这种新的计划方法可以提高效率,减少治疗计划的可变性并促进知识共享。白皮书, 机器学习自动治疗计划,介绍了RayStation的机器学习计划模块,并描述了在格罗宁根大学医学中心进行的有关头颈癌病例的临床研究。

提供CARES质子治疗 美国纳什维尔的第一家诊所连接了肿瘤信息系统 照护*直接传送到治疗传送系统,使用它记录和验证治疗过程。在2018年,Provision还成为全球首家专门使用RaySearch软件的诊所。在案例研究中 使用RayCare优化患者旅程,Provision团队描述了他们使用RayCare的经验以及该系统如何满足诊所的特定需求。

高质量的解剖结构轮廓是放射治疗的重要方面,但是手动勾画感兴趣区域的过程非常耗时,并且存在医生之间和医生内部的差异。使用自动工具 雷站,此过程可以大大简化。最新的技术是深度学习细分,它能够向无限数量的患者学习,并且仍然在一分钟内自动生成所有相关感兴趣区域的轮廓。白皮书中介绍了这种方法 深度学习细分,为RayStation中的患者建模提供了功能强大的工具。

格罗宁根大学医学中心(超级CG)已与RaySearch合作评估了第一个用于生成可靠治疗方案的全自动机器学习框架。案例研究 使用机器学习对HN癌症中IMPT的自动化稳健计划,描述了使用机器学习为口咽癌患者创建鲁棒的强度调制质子(IMPT)计划。强大的机器学习计划框架*将在2020年12月的RayStation 10B版本中临床可用。

放射治疗的治疗计划不可避免地涉及到肿瘤体积剂量与健康结构的节省之间的折衷。这些折衷通常使用试错法来处理,其中调整诸如目标函数权重之类的参数,并多次优化治疗计划。手动参数调整效率低下,结果的质量取决于治疗计划者的经验和技能。白皮书 雷站中的多条件优化 介绍了在治疗计划中使用多标准优化(MCO),以提供更简化和直观的工作流程。借助MCO,可以通过在可能的计划集上进行连续导航来选择临床计划,使临床医生能够做出明智的结构化治疗决策。

医院的信息系统支持从患者跟踪到账单信息和治疗历史的一切收集和通信。通常,有多个信息系统,它们应该相互无缝通信,以通过避免在医院系统之间手动传输数据来支持高效而安全的护理。的 照护 肿瘤信息系统旨在与外部医疗信息系统(例如EPIC)集成。白皮书, 照护连接,探讨了医院信息系统之间RayCare的集成以支持患者的完整视图’的临床医生数据。

最后,RaySearch进行网络研讨会 放射肿瘤学中的机器学习。在针对ESTRO 2020的虚拟产品揭幕中,FredrikLöfman和RaySearch的机器学习团队讨论了机器学习,包括深度学习细分应用程序,机器学习计划以及RaySearch最新创新RayIntelligence的简要介绍。

*有待某些市场的监管许可。

相关事件

版权©2020年由IOP 出版 Ltd和个人贡献者