相关实验视频
Updated: Jul 1, 2025
11:07
Focal Laser Ablation of Prostate Cancer: An Office Procedure
Published on: March 30, 2021
7.8K
在前列腺活检过程中,强化学习在术前和术内规划之间发挥着不同的作用
Iani J M B Gayo1,2, Shaheer U Saeed3,4, Ester Bonmati3,4,5
1Department of Medical Physics and Biomedical Engineering, University College London, London, UK. iani.gayo.20@ucl.ac.uk.
概括
强化学习 (RL) 通过适应程序内运动来提高前列腺癌 (PCa) 活检的准确性,优于模仿学习. 这种智能规划增强了有针对性的采样,减少了MR指导程序中的错误.
科学领域:
- 医学成像医学成像
- 机器学习 机器学习
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
背景情况:
- 磁共振成像 (MR) 针对性前列腺癌 (PCa) 活检对于临床实践中精确的病变采样至关重要.
- 超声导向活检的程序前规划易受MR到超声记录和程序内患者/组织运动的错误的影响.
- 这些错误可能会导致错误的阳性和负面结果,突出了对适应性规划策略的需求.
研究的目的:
- 评估强化学习 (RL) 在MR指导前列腺癌活检中的程序内规划的有效性.
- 将RL与模仿学习 (IL) 进行比较,以解决因程序内运动和注册不准确导致的定位错误.
- 确定RL在改善活检采样准确性方面是否比传统的程序前规划更有优势.
主要方法:
- 开发并比较了仿真学习 (IL) 和强化学习 (RL) 方法用于活检采样.
- 模拟的程序内运动和注册错误,以评估目标准确性.
- 用567名前列腺癌患者的数据,训练有素的智能代理人进行程序前和程序内规划.
主要成果:
- 强化学习 (RL) 算法在提供智能程序内行动建议方面具有显著价值.
- 基于RL的规划表现优于基于IL的规划,该规划受到共同政策的监督.
- 使用567名PCa患者的成像数据证明了有效性,证实了RL的潜力.
结论:
- 使用RL的程序内规划显著改善了活检采样性能.
- 仅仅是程序前的规划并没有导致在活检采样中观察到的改善.
- 这些发现强烈支持RL在未来的前性研究中发挥作用,包括针对性活检的程序内规划.
