FluenceFormer：用于放射治疗计划的Transformer
Research Paper#Radiotherapy Planning, Transformer Networks, Medical Imaging🔬 Research|分析: 2026年1月3日 16:29•
发布: 2025年12月27日 01:12
•1分で読める
•ArXiv分析
本文介绍了FluenceFormer，一个基于Transformer的框架，用于放射治疗计划。它解决了先前卷积方法在捕获fluence map预测中的长程依赖性方面的局限性，这对于自动放射治疗计划至关重要。两阶段设计和Fluence-Aware Regression (FAR) 损失（结合了物理学相关的目标）是关键的创新。在多个Transformer骨干网络上的评估以及相对于现有方法的性能提升，突出了这项工作的重要性。
要点
引用 / 来源
查看原文"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)."