摘要由 AI 生成
为应对 DoseRAD2026 挑战中的光子与质子剂量计算需求，研究人员提出了 BEAM3R 框架。该架构采用基于 Mamba-3 的状态空间深度序列模型，结合物理传输条件进行建模。其核心结构共享 2D CNN 编码器 - 解码器处理每平面光束眼视图切片：光子模型利用双向 Mamba-3 捕捉下游材料剂量贡献；质子模型则使用前向核心配合学习到的能量前缀标记及布拉格峰细化模块。此外，框架引入了轴向网格对齐与基于子像素相位打包的隐式超分辨率表示，旨在减少插值伪影并支持高分辨率重建。在初步 DoseRAD2026 测试集上，CT 到光子和质子模型的局部伽马通过率分别为 96.8% 和 96.0%，分层计划级平均绝对误差为 0.0041 和 0.0079。然而，基于合成 CT 的模型性能有所下降，光子与质子伽马通过率…
关键实体KEY ENTITIES
BEAM3RDoseRAD2026Mamba-3
报道态势 · 每日报道量LANGUAGE SPLIT
实体关系
信号强度SIGNALS
关键词热度
- BEAM3R1
- Mamba-31
- DoseRAD20261
全部报道（1）SOURCES
↗
为应对 DoseRAD2026 挑战中光子与质子剂量计算需求，研究人员提出 BEAM3R 框架，采用基于 Mamba-3 的状态空间深度序列核心结合物理传输条件建模。该框架共享 2D CNN 编码器 - 解码器结构处理每平面光束眼视图切片，光子模型利用双向 Mamba-3 捕捉下游材料剂量贡献，质子模型则使用前向核心配合学习到的能量前缀标记及布拉格峰细化模块。为减少插值伪影并支持高分辨率，引入轴向网格对齐与基于子像素相位打包的隐式超分辨率表示。在初步 DoseRAD2026 测试集上，CT 到光子和质子模型局部伽马通过率分别为 96.8% 和 96.0%，分层计划级平均绝对误差为 0.0041 和 0.0079；基于合成 CT 的模型性能下降，光子与质子伽马通过率降至 89.7% 和 75.4%，分层计划级平…