Auto-Segmentation for Radiation Oncology: State of the Art (Series in Medical Physics and Biomedical Engineering)

این کتاب مقدمه‌ای جامع بر روش‌های مدرن قطعه‌بندی خودکار مورد استفاده در انکولوژی پرتو برای تعیین خودکار اندام‌های پرخطر برای برنامه‌ریزی درمان پرتودرمانی قفسه سینه ارائه می‌کند. حاوی جدیدترین فناوری‌ها و درمان‌های پیشرفته، روش‌های یادگیری عمیق، روش‌های مبتنی بر چند اطلس و روش‌های مبتنی بر مدل را که در حال حاضر برای کاربردهای انکولوژی پرتو بالینی در حال توسعه هستند، بررسی می‌کند. هر فصل بر جنبه خاصی از انتخاب‌های الگوریتم تمرکز دارد و تأثیر ماژول‌های الگوریتم مختلف بر عملکرد الگوریتم و همچنین مسائل پیاده‌سازی برای استفاده بالینی (از جمله چالش‌های تنظیم داده‌ها و ارزیابی‌های کانتور خودکار) را مورد بحث قرار می‌دهد.

این کتاب راهنمای ایده آلی برای مراکز تشعشع انکولوژی است که به دنبال کسب اطلاعات بیشتر در مورد ابزارهای بالقوه تقسیم خودکار برای کلینیک خود هستند، علاوه بر این که فیزیکدانان پزشکی قطعه بندی خودکار را برای استفاده بالینی سفارش می دهند.

ویژگی ها:

• به روز با آخرین فن آوری های موجود در این زمینه
< li>ویرایش شده توسط مقامات برجسته در منطقه، با کمک های فصلی از متخصصان حوزه موضوعی
• همه رویکردهای ارائه شده در این کتاب با استفاده از یک مجموعه داده معیار استاندارد ایجاد شده توسط Thoracic Auto- تایید شده اند. چالش تقسیم بندی به عنوان رویدادی از نشست سالانه انجمن فیزیکدانان آمریکا در پزشکی در سال 2017 برگزار شد

This book provides a comprehensive introduction to current state-of-the-art auto-segmentation approaches used in radiation oncology for auto-delineation of organs-of-risk for thoracic radiation treatment planning. Containing the latest, cutting edge technologies and treatments, it explores deep-learning methods, multi-atlas-based methods, and model-based methods that are currently being developed for clinical radiation oncology applications. Each chapter focuses on a specific aspect of algorithm choices and discusses the impact of the different algorithm modules to the algorithm performance as well as the implementation issues for clinical use (including data curation challenges and auto-contour evaluations).

This book is an ideal guide for radiation oncology centers looking to learn more about potential auto-segmentation tools for their clinic in addition to medical physicists commissioning auto-segmentation for clinical use.

Features:

• Up-to-date with the latest technologies in the field
• Edited by leading authorities in the area, with chapter contributions from subject area specialists
• All approaches presented in this book are validated using a standard benchmark dataset established by the Thoracic Auto-segmentation Challenge held as an event of the 2017 Annual Meeting of American Association of Physicists in Medicine