دانلود ترجمه مقاله متدهای نسل محدودیت جهت بهینه سازی قوی در رادیوتراپی (ساینس دایرکت – الزویر ۲۰۱۶) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

این مقاله انگلیسی ISI در نشریه ساینس دایرکت (الزویر) در ۶ صفحه در سال ۲۰۱۶ منتشر شده و ترجمه آن ۱۷ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

مشخصات مقاله انگلیسی (PDF)
سال انتشار	۲۰۱۶
تعداد صفحات مقاله انگلیسی	۶ صفحه با فرمت pdf
رشته های مرتبط با این مقاله	مهندسی صنایع و مهندسی پزشکی
گرایش های مرتبط با این مقاله	بهینه سازی سیستم ها و بیومکانیک
مجله	تحقیقات عملیاتی برای مراقبت های بهداشتی – Operations Research for Health Care
دانشگاه	گروه مهندسی مکانیکی و صنعتی، دانشگاه تورنتو، کانادا
کلمات کلیدی	سرطان پستان، تجزیه، نسل محدودیت، بهینه سازی قوی، رادیوتراپی
شناسه شاپا یا ISSN	ISSN ۲۲۱۱-۶۹۲۳
رفرنس	دارد✓
لینک مقاله در سایت مرجع	لینک این مقاله در نشریه Elsevier
نشریه الزویر

• فهرست مطالب:

چکیده

۱٫ مقدمه

۲٫ برنامه تیمار IMRT سرطان پستان

۲٫۱٫ زمینه

۲٫۲٫ یک مدل بهینه سازی CvaR – قوی برای IMRT سرطان پستان

۳٫ یک راه حل نسل محدودیت

۳٫۱٫ یک مساله بهینه سازی قوی با محدودیت های نامعلوم

۳٫۲٫ تجزیه مساله

۳٫۲٫۳٫ استراتژی های افزودن محدودیت

۳٫۲٫۴٫ به روز رسانی راه حل

۳٫۲٫۵٫ معیار توقف

۴٫ نتایج

۴٫۱٫ اثربخشی محاسباتی

۴٫۲٫ کیفیت حل در مقابل زمان محاسبه

۵٫ بحث

۶٫ نتیجه گیری و کارهای بعدی

• بخشی از ترجمه:

نتیجه گیری و کارهای بعدی

در این مقاله، ما یک راه حل مبتنی بر تجزیه را برای مساله بهینه سازی قوی با یک تعداد بزرگی از محدودیت های نامعلوم ایجاد کردیم. ما استراتژی هایی را برای یافتن و افزودن محدودیت ها در هر تکرار ایجاد کردیم. ما انواعی از محدودیت ها را تعریف کردیم و مزایای محاسباتی گروه بندی محدودیت ها بر اساس نوع آن ها را نشان دادیم. ما روش  خودمان را برای یک مدل بهینه سازی IMRT قوی در مقیاس بزرگ برای سرطان پستان به کار بردیم و زمان محاسبه ی راه حل خودمان را با حل همتای قوی مقایسه کردیم. نتایج ما نشان می دهد که نسل محدودیت معمولا می تواند به اندازه ی یک مرتبه در زمان محاسباتی صرفه جویی کند.

ما بر این باوریم که استفاده از اطلاعات هندسی در مورد وکسل ها (یعنی وکسل هایی که در مجاورت نزدیک یکدیگر قرار دارند) ممکن است منجر به کاهش بیشتر زمان محاسباتی برای مساله ی IMRT سرطان پستان شود. همچنین، خوشه بندی الگوهای تنفسی بر اساس مشابهت و اولویت بندی افزودن الگوهای تنفسی مختلف نیز ممکن است به بهبود اثربخشی محاسباتی کمک کند. این ها موضوعاتی برای مطالعات بعدی می باشند.         

• بخشی از مقاله انگلیسی:

۶٫ Conclusions and future work

In this paper, we developed a decomposition-based solution method for robust optimization problems with a large number of uncertain constraints. We developed strategies for finding and adding constraints at each iteration. We defined types of constraints and demonstrated the computational benefit of categorizing the constraints based on their type. We applied our method to a large-scale robust IMRT optimization model for breast cancer and compared the computation time of our solution method with that of solving the robust counterpart. Our results showed that constraint generation can typically save one order of magnitude in computation time. We believe that using geometric information about the voxels (i.e., which voxels are in close proximity to each other) may result in further reductions in computation time for the breast cancer IMRT problem. Also, clustering the breathing patterns based on similarity and prioritizing the addition of different breathing patterns may also help improve computational efficiency. These are topics for future study.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد