深度学习在放射治疗中的整合:通过总体审查探索挑战,机遇和未来方向
Andrea Lastrucci1, Yannick Wandael1, Renzo Ricci1
1Department of Allied Health Professions, Azienda Ospedaliero-Universitaria Careggi, 50134 Florence, Italy.
Diagnostics (Basel, Switzerland)
|May 11, 2024
概括
深度学习 (DL) 正在通过优化治疗计划和提高患者的治疗结果来彻底改变放射治疗. 进一步的研究和合作对于充分利用DLL至关重要.
科学领域:
- 辐射疗法 辐射疗法
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- COVID-19 流行病加速了医疗保健领域的技术进步.
- 深度学习 (DL) 在医疗应用中显示出巨大的潜力.
- 放射治疗的规划和交付可以从人工智能集成中受益.
研究的目的:
- 进行关于深度学习 (DL) 在放射治疗中的影响的叙事审查.
- 分析DL在优化放射治疗治疗计划,图像分析和结果预测中的作用.
- 探索数字放射学和放射治疗之间的相互作用.
主要方法:
- 采用了一种总体审查方法.
- 遵循标准的叙述检查清单和资格过程.
- 选择了19项系统性审查研究进行分析.
主要成果:
- 深度学习算法展示了放射治疗中的革命性潜力.
- DL可以优化治疗计划,图像分析和患者结果预测.
- 强调数字放射学和放射治疗的相互依赖.
结论:
- 需要进一步的研究来释放DL在放射治疗中的全部功能.
- 研究人员,临床医生和监管机构之间的跨学科合作至关重要.
- DL集成承诺个性化和优化的放射治疗,以改善患者的治疗结果.


