TumorTwin:在瘤学中的患者特定数字双胞胎的Python框架

科学领域:

• 计算瘤学是一种计算瘤学.
• 数字双胞胎技术的技术是数字双胞胎技术.
• 癌症建模的模型.

背景情况:

• 特定于患者的计算瘤学模型预测瘤生长和治疗反应.
• 数字双胞胎框架整合了物理瘤数据,用于动态重新校准和决策支持.
• 目前的数字双胞胎框架往往是疾病特定的,缺乏模块化.

研究的目的:

• 介绍TumorTwin,一个模块化软件框架,用于开发和利用患者特定的癌症数字双胞胎.
• 为计算瘤学研究提供灵活和可适应的平台.

主要方法:

• 开发了一个模块化的Python包,TumorTwin,可适应各种疾病站点的可适应数据结构.
• 实现了一个模块化架构,允许构建数据,模型,解决器和优化对象.
• 包括CPU/GPU并行实现,用于前向模型解决方案和梯度计算.

主要成果:

• TumorTwin促进了针对患者的癌症数字双胞胎的初始化,更新和利用.
• 使用高度质瘤生长和辐射治疗反应的in silico数据集证明了功能.
• 该框架支持各种数据类型,模型和计算方法.

结论:

• TumorTwin使图像引导瘤数字双胞胎的快速原型和测试成为可能.
• 研究人员可以系统地研究各种模型,算法和治疗策略.
• 该框架为先进的癌症研究提供了强大的数字和计算基础设施.