Machine Learning in Radiation Oncology: Theory and Applications

​این کتاب نمای کلی کاملی از نقش یادگیری ماشین در انکولوژی پرتوشناسی و فیزیک پزشکی ارائه می‌کند، که نظریه‌های پایه، روش‌ها و انواع کاربردها در فیزیک پزشکی و رادیوتراپی را پوشش می‌دهد. یک بخش مقدماتی یادگیری ماشینی را توضیح می‌دهد، روش‌های یادگیری تحت نظارت و بدون نظارت را مرور می‌کند، ارزیابی عملکرد را مورد بحث قرار می‌دهد و کاربردهای بالقوه در انکولوژی پرتویی را خلاصه می‌کند. سپس بخش‌های جداگانه دقیق به استفاده از یادگیری ماشین در تضمین کیفیت اختصاص داده می‌شود. تشخیص به کمک کامپیوتر، از جمله برنامه ریزی درمان و کانتورینگ؛ رادیوتراپی با هدایت تصویر؛ مدیریت حرکت تنفسی؛ و مدل سازی پاسخ درمانی و پیش بینی نتیجه. این کتاب برای دانشجویان و دستیاران فیزیک پزشکی و انکولوژی تشعشع ارزشمند خواهد بود و همچنین برای پزشکان و محققان با تجربه تر و اعضای جوامع یادگیری ماشینی کاربردی جذاب خواهد بود.

​This book provides a complete overview of the role of machine learning in radiation oncology and medical physics, covering basic theory, methods, and a variety of applications in medical physics and radiotherapy. An introductory section explains machine learning, reviews supervised and unsupervised learning methods, discusses performance evaluation, and summarizes potential applications in radiation oncology. Detailed individual sections are then devoted to the use of machine learning in quality assurance; computer-aided detection, including treatment planning and contouring; image-guided radiotherapy; respiratory motion management; and treatment response modeling and outcome prediction. The book will be invaluable for students and residents in medical physics and radiation oncology and will also appeal to more experienced practitioners and researchers and members of applied machine learning communities.