Treatment Planning Optimization in Irreversible Electroporation for Complete Ablation of Variously Sized Cervical Tumors: A Numerical Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Irreversible electroporation (IRE), a relatively new energy-based tumor ablation technology, has shown itself in the last decade to be able to safely ablate tumors with favorable clinical outcomes, yet little work has been done on optimizing the IRE protocol to variously sized tumors. Incomplete tumor ablation has been shown to be the main reason leading to the local recurrence and thus treatment failure. The goal of this study was to develop a general optimization approach to optimize the IRE protocol for cervical tumors in different sizes, while minimizing the damage to normal tissues. This kind of approach can lay a foundation for future personalized treatment of IRE. First, a statistical IRE cervical tumor death model was built using previous data in our group. Then, a multi-objective optimization problem model was built, in which the decision variables are five IRE-setting parameters, namely, the pulse strength (U), the length of active tip (H), the number of pulses delivered in one round between a pair of electrodes (A), the distance between electrodes (D), and the number of electrodes (N). The domains of the decision variables were determined based on the clinical experience. Finally, the problem model was solved by using nondominated sorting genetic algorithms II (NSGA-II) algorithm to give respective optimal protocol for three sizes of cervical tumors. Every protocol was assessed by the evaluation criterion established in the study to show the efficacy in a more straightforward way. The results of the study demonstrate this approach can theoretically provide the optimal IRE protocol for different sizes of tumors and may be generalizable to other types, sizes, and locations of tumors.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle