FluenceFormer：放射線治療計画のためのTransformer
Research Paper#Radiotherapy Planning, Transformer Networks, Medical Imaging🔬 Research|分析: 2026年1月3日 16:29•
公開: 2025年12月27日 01:12
•1分で読める
•ArXiv分析
本論文は、放射線治療計画のためのTransformerベースのフレームワーク、FluenceFormerを紹介しています。自動放射線治療計画に不可欠なフルエンスマップ予測における長距離依存関係の捕捉において、従来の畳み込み手法の限界に対処しています。2段階設計と、物理学に基づいた目的関数を組み込んだFluence-Aware Regression（FAR）損失の使用が重要な革新です。複数のTransformerバックボーンでの評価と、既存の手法に対する性能向上は、この研究の重要性を強調しています。
重要ポイント
引用・出典
原文を見る"FluenceFormer with Swin UNETR achieves the strongest performance among the evaluated models and improves over existing benchmark CNN and single-stage methods, reducing Energy Error to 4.5% and yielding statistically significant gains in structural fidelity (p < 0.05)."