首页 > 文献资料
-
宫颈癌VMAT计划中OAR的DVH预测价值
目的:探讨宫颈癌 VMAT放疗计划中膀胱、直肠和小肠等 OAR的 DVH预测价值。方法选取100例宫颈癌VMAT计划为学习组,分析该组患者解剖信息与膀胱、直肠和小肠V30、V40和V50指数的相关性。采用SVR算法建立解剖信息与OAR的DVH间对应关系。利用解剖信息对验证组20例VMAT计划的OAR的DVH进行预测。结果膀胱、直肠和小肠的DVH可能主要受其与靶区空间位置关系影响。 SVR 算法对验证组中膀胱V30、V40、V50预测误差分别为(-2.4±3.5)%、(-2.5±3.8)%、(-1.5±4.9)%,对直肠的预测误差分别为(0.5±2.6)%、(-1.5±5.1)%、(-2.0±7.4)%,对小肠的预测误差分别为(-2.9±5.3)%、(2.7±7.7)%、(5.3±11.1)%。结论对先验宫颈癌VMAT计划中解剖信息与OAR的DVH的相关性学习后,SVR算法可利用解剖信息准确地预测出膀胱、直肠和小肠的DVH。
关键词: 宫颈肿瘤/容积调强弧形疗法 剂量体积直方图 支持向量回归算法 -
头发检测诊断疾病已成为临床研究和实践应用的一种新方向
头发诊断疾病,主要取决于数据获取的可靠性和数据解析的合理性。
经过几十年的艰苦奋斗和辛勤劳动,我国已形成渐趋统一的标准化头发前处理方法,完善了包括使用头发标准物质在内的全程质控措施,这就在一定程度上保证了头发元素检测数据的可靠性和可比性。在数据解析方面,中国科技人员创造性地开发了各种类型微量元素谱--计算机模式识别法,包括基于机器学习的传统模式识别法(如非线性映照法、逐步回归和逐步判别分析法、偏小二乘法、人工神经网络法等)和基于统计学习理论的支持向量算法(如支持向量分类算法、支持向量回归算法等),后者已能较好的解决小样本、非线性、高维数和局部极小点等原来难以解决的实际问题。