1月9日，2019年首场【大咖Live】第 31 期「AI医疗·放疗靶区勾画」专场首期，我们邀请到柏视医疗创始人陆遥博士详细解析“鼻咽癌放疗临床靶区勾画技术与应用”。目前，本期分享音频及全文实录已上线，雷锋网旗下会员组织AI投研邦会员可进入AI投研邦页面免费查看。
本文对整场分享进行了要点总结及PPT整理，以帮助大家提前清晰地了解本场分享重点。
分享要点
鼻咽癌放疗靶区勾画背景情况、鼻咽癌的定义及2018年全球及中国鼻炎癌发病率情况；
目前主要的治疗手段、放疗中靶区的定义，以及柏视在鼻咽癌放疗靶区勾画方面的技术方案（GTV分割和CTV预测）；
基于小样本的OAR分割技术（重点介绍）。
以下为本场分享部分PPT
会员问答
为更深入的解决听众在鼻咽癌放疗临床靶区勾画技术与应用方面的困惑，「Live」在分享结束后开设问答环节，陆遥博士对AI投研邦会员疑问进行了一一解答。
某AI医疗公司算法工程师：在放疗靶区勾画领域，传统机器学习技术和深度学习技术哪个更有优势？
陆遥：对于深度学习而言，它是一个典型的记忆性学习方法。其好处是可以从数据中总结和归纳一些规律。但正因如此，对于总结出来的规律或准则，很难解释或形成临床经验。在这种情况下，通过传统机器学习基于既定规则，同医生经验结合。因此传统机器学习应该有效的和深度学习结合。可解释的机器学习算法和基于数据的深度学习的算法结合是未来发展方向。
中山大学学生：除了鼻咽癌，还有哪些癌症的AI放疗靶区勾画是发展前景比较好的？
陆遥：除了鼻咽癌，放疗科肿瘤的AI放疗靶区勾画均是发展前景，例如肺、乳腺、结直肠、宫颈、前列腺，目前放疗科的应用越来越多了。在癌症中，鼻咽癌是技术难度最高的，因其在头颈部位，解剖结构也最复杂。当初柏视选择该病种也是和医生之间用科研合作方式进行，即医生认为最难的病种。
另外，关于“是否基于双能CT图像进行勾画？”、“为什么OAR或者靶区勾画都在CT图像上进行？”等问题，陆遥博士也在分享中进行了解答，加入AI投研邦报名本场直播可进行观看。
「智能放疗靶区勾画主题」专场开讲中...
2019开年「智能放疗靶区勾画主题」专场，我们继续每周邀请一位一线从业者带来项目实践过程中的方法和思路，为医疗从业者与投资人、分析师提供行业参考。更多内容查看下图：
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
