PulseAugur
实时 21:57:32
English(EN) Robustness of Transformer-Based Fluence Map Prediction Under Clinically Realistic Perturbations

Transformer 模型在放疗计划中表现出参差不齐的稳健性

研究人员开发了一种基于 Transformer 的管道来预测放疗中的通量图,旨在加快治疗计划的制定。他们的研究评估了模型在各种临床现实扰动下的稳健性,包括几何偏移、噪声和域变化。研究结果表明,虽然模型在中度干扰下会平稳退化,但在严重旋转和噪声下会急剧失效,而分层 Transformer 表现出更好的韧性。 AI

影响 这项研究探讨了 AI 模型在医疗应用中的稳健性,突出了潜在的故障模式以及在放疗中进行物理信息评估的必要性。

排序理由 这是一篇详细介绍新方法及其评估的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

Transformer 模型在放疗计划中表现出参差不齐的稳健性

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Ujunwa Mgboh, Rafi Ibn Sultan, Joshua Kim, Kundan Thind, Dongxiao Zhu ·

    Robustness of Transformer-Based Fluence Map Prediction Under Clinically Realistic Perturbations

    arXiv:2605.00904v1 Announce Type: new Abstract: Learning-based fluence map prediction offers a fast alternative to iterative inverse planning in intensity-modulated radiation therapy (IMRT), but its robustness under realistic distribution shifts remains unclear. We study a two-st…