邵文成-基于核函数优化选择的支持向量回归.pptxVIP

基于核函数优化选择的支持向量回归CT扫描致患者器官剂量预测研究报告人：邵文成

整体研究框架预测方法的提出算法模型：支持向量回归输入：影像组学特征参考值：GPU蒙卡剂量模型参数优化参量1：Regulationstrength参量2：输入特征向量数量参量3：核函数类型模型功能拓展拓展1：跨中心模型拓展2：免于勾画器官

研究背景

CT诊断的应用价值和辐射危害CT诊断可以用来诊断骨折、内脏损伤、血流问题、中风、癌症等疾病；CT诊断也可以用来指导进一步的检查或治疗，例如放射治疗、穿刺活检或脓肿引流等；CT诊断还可以用来监测病情的变化，例如癌症治疗前后肿瘤的大小；CT诊断需要使用X射线，这是一种电离辐射，有可能增加患癌症的风险；CT诊断的辐射剂量取决于扫描的部位、次数和参数，辐射剂量越高，风险越大；澳大利亚研究团队研究表明接受CT检查的人群患癌概率比普通人群增加24%。精准评估个性化CT诊断致器官剂量具有重要意义！CT诊断示意图辐射致癌机制示意图线性无阈值模型示意图

CT诊断致器官剂量的研究局限和挑战使用标准剂量指数CTDIvol和DLP来估算器官和有效剂量（SSDE）。这种方法需要管电流、管电压、层厚、螺距等、扫描范围等参量，并使用适当的转换系数将CTDIvol和DLP转换为器官和有效剂量。优点：简单易行；缺点：未考量体型和解剖差异。使用计算人体模型来模拟器官剂