Machine Learning in Radiation Oncology

Authors : Melek AKÇAY, Durmuş ETİZ

Pages : 339-349

Doi:10.20515/otd.691331

View : 19 | Download : 15

Publication Date : 2020-05-27

Article Type : Review Paper

Abstract :Yapay zeka insert ignore into journalissuearticles values(YZ);, belirli görevleri yerine getirmek için doğrudan insan uyaranları olmadan bilgisayar yazılımı ve algoritmaları kullanan makinelerde insan benzeri zekayı taklit etmeye çalışan bir bilgisayar bilimidir. Makine öğrenimi insert ignore into journalissuearticles values(MÖ);, önceki bir örneğe veya deneyime dayanarak insan davranışını taklit etmeyi öğrenen veri odaklı algoritmalar kullanan yapay zekanın alt birimidir. Derin öğrenme insert ignore into journalissuearticles values(DÖ);, bir model oluşturmak için derin sinir ağlarını kullanan bir MÖ tekniğidir. Verilerin büyümesi ve paylaşımı, artan bilgi işlem gücü ve MÖ`deki gelişmeler sağlık hizmetlerinde bir dönüşüm başlatmıştır. Radyasyon onkolojisindeki ilerlemeler, her fraksiyon öncesi yapılan bilgisayarlı tomografi insert ignore into journalissuearticles values(BT); görüntülemesi, dozimetri ve görüntüleme ile entegre edilmesi gereken önemli miktarda veri üretmiştir. Radyasyon Onkolojisinde kullanılan birçok algoritma vardır. Bu yöntemlerin her birinin farklı hesaplama gücü gereksinimleriyle avantajları ve sınırlamaları vardır.Bu derlemede, radyoterapi insert ignore into journalissuearticles values(RT); sürecinin, MÖ ile kalitesinin ve verimliliğinin arttırılabileceği belirli alanları belirleyerek iş akışı sırası ile gözden geçirme amaçlanmıştır. RT aşaması, hasta değerlendirmesi, simülasyon, konturlama, planlama, kalite kontrol, tedavi uygulama ve hasta takibi olarak yedi gruba ayrılmıştır. Her aşamaya MÖ algoritmalarının uygulanabilirliği, sınırlamaları, avantajları ile ilgili sistematik bir değerlendirme yapılmıştır.
Keywords : radyoterapi, makine öğrenmesi, derin öğrenme, yapay zeka