Zu meinen Favoriten hinzufügen
Automatische Übersetzung anzeigen
Dies ist eine automatisch generierte Übersetzung. Wenn Sie auf den englischen Originaltext zugreifen möchten,
klicken Sie hier
#Neues aus der Industrie
{{{sourceTextContent.title}}}
Deep Learning Spots Organe auf CT-Scans zur Vermeidung von Strahlenschäden
{{{sourceTextContent.subTitle}}}
Die Strahlentherapie ist eine etablierte Methode zur Bekämpfung von Tumoren im Körper.
{{{sourceTextContent.description}}}
Es gibt eine Reihe von Techniken, die verwendet werden, um einer Läsion Strahlung zu verabreichen, aber sie alle gehen mit dem Risiko einher, benachbarte Gewebe und Organe zu verletzen. Gammastrahlen und andere gerichtete Hochenergiegeräte führen zur Exposition aller Gewebe, die sich auf dem Weg zu und auf der anderen Seite eines Ziels befinden, was ein ernsthaftes Problem darstellt. Das Wissen, wo sich die wichtigen Organe bei einzelnen Patienten befinden, kann es dem Arzt ermöglichen, strahlentherapeutische Behandlungen so vorzubereiten, dass so wenig Kollateralschäden wie möglich entstehen. CT-Scans werden in der Regel verwendet, um die innere Anatomie abzubilden. Derzeit ist dies eine Aufgabe für Radioonkologen, und es ist ziemlich schwierig, die relevanten Organe richtig zu verfolgen und einen Behandlungspfad anzubieten, der die Schäden minimiert.
Ein Forscherteam der University of California Irvine, der Shanghai Jiao Tong University School of Medicine in China, und DeepVoxel, ein Unternehmen mit Sitz in Costa Mesa, Kalifornien, haben jetzt ein System vorgestellt, das einen CT-Scan als Input nimmt und automatisch einen Überblick über alle wichtigen Organe gibt. Die Technologie sollte dazu beitragen, die Planung der Strahlentherapie zu beschleunigen, das klinische Vertrauen zu verbessern und hoffentlich weniger Schäden an den inneren Organen zu verursachen.
Das neue System basiert auf Deep-Learning-Methoden, um einen Scan innerhalb von Sekunden abzuarbeiten, was normalerweise mehr als eine halbe Stunde dauert, um ihn manuell durchzuführen. "Bei einem Datensatz von 100 CT-Scans erreichte unsere Deep-Learning-Methode einen durchschnittlichen Ähnlichkeitskoeffizienten von mehr als 78 Prozent, eine signifikante Verbesserung gegenüber Analysen von Strahlungsonkologen", sagte Xiaohui Xie, einer der Co-Autoren der Studie, die in der Zeitschrift Nature Machine Intelligence erscheint.
Das System arbeitet mit Daten verschiedener Hersteller, einschließlich kontrastarmer CTs, und benötigt keine besonders leistungsstarken Computer, um seine Arbeit zu erledigen. Daher sollte es einfach sein, es in Strahlentherapieeinrichtungen einzuführen und Ärzte mit der Anwendung vertraut zu machen.