GANCER：计算有效放射疗法的生成对抗网络 论文代码《使用生殖对抗网络进行放射治疗中的自动化治疗规划》，已提交给2018年医疗保健中的机器学习。 基于知识的计划（KBP）是一种放射疗法治疗计划的自动化方法，该方法包括先预测所需的治疗计划，然后再将其纠正为可交付的计划。 在这项工作中，我们提出了GAN方法来预测理想的3D剂量分布。 此代码包含专门用于GAN的实现。 我们将在以后的更新中提供用于优化的代码。 请注意，原始论文中使用的数据集无法公开共享。 这将在以后的更新中解决，我们将提供一个综合数据集。 另外，您可以使用公共数据集，例如 ，只要您适当地修改数据加载器即可。 先决条件 Linux或OS X 的Python 3 CPU或NVIDIA GPU + CUDA CuDNN 入门 安装 设置pipenv虚拟环境并输入 pipenv install --dev --three pi

背景：许多研究报告称贫血是局部疾病控制和头颈癌生存不良的重要危险因素。 我们的目的是研究放疗（RT）和/或放化疗（CRT）前低血红蛋白（Hb）水平在头颈部鳞状细胞癌（HNSCC）中的发生率和预后。 资料和方法：我们回顾了埃及开罗一家大学医院的86例经诊断为喉下咽SCC的患者的病历。 根据世界卫生组织（WHO），在男性中Hb水平<13 xss=removed> 12 g / dl。 男性患者的RT / CRT前Hb水平在31/75中为<13> 13 g / dl（58.7％）。 肿瘤部位为喉部的77例（89.5％）和下咽部的9例（10.5％）。 59/86

目的：结合直方图匹配（HM）算法，评估计划kVCT（pCT）与每日MVCT之间的可变形图像配准（DIR）的准确性，并使用建议的螺旋放射疗法自适应放射治疗方法评估可变形剂量累积（H T）。 方法：对本院接受HT治疗的5例前列腺癌患者（76 Gy / 38 Fr），每周调查7例MVCT系列（共35系列）。 首先，为了最小化pCT和MVCT之间不同HU值的影响，此图像处理方法通过使用HU值的图像累积直方图来调整pCT和MVCT图像之间的HU值，从而生成HM-MVCT。 然后，执行pCT对HM-MVCT的DIR，生成变形的pCT。 最后，对pCT图像进行可变形剂量累积。 结果：与非HM方法相比，使用HM算法显着提高了DIR的准确性（p <0.05）。 对于CTV，直肠和膀胱，非HM方法的平均骰子相似系数分别为0.75±0.05、0.83±0.06和0.90±0.04，而HM方法的平均骰相似系数为0.81±0.06、0.81±0.04，和0.92±0.06分别。 对于可变形剂量累积，在两种方法之间观察到一些差异，特别是对于较小的计算区域，例如直肠V60和V70。 结论：采用HM方法可以提高DIR