Language Select
Varian 徽标

研究资助技术

瓦里安关注的技术研究课题包括但不限于以下内容;联系方式如下所示:

基于先验知识的智慧计划

  • 如何简化和部分或完全自动化模型生成过程。
  • 知识型决策支持系统的发展。例如,使用 DVH 评估来确定 IMRT 是否适用于患者或是否需要调整当天的治疗?
  • 基于知识的质量持续改进的发展。我们认为,模型代表给定时间点的实践。在不同时间点建立的模型能否用于评估质量改进措施的有效性?
  • 模型共享能否促进最佳实践的采用?
  • 能否通过模型来改进临床研究计划的一致性?能否通过模型来确保临床研究计划的质量?

分布式学习

  • 如何建立分布式学习系统,了解所有患者情况并定期自动更新。
  • 发展肿瘤学知识体系,以便进行数据比较和提高数据质量。
  • 如何在分布式学习环境中维持数据质量。
  • 应用分布式学习系统回答临床问题,例如:
    • 哪种 SBRT 剂量计划最适合特定患者?
    • 在特定肺癌患者中呼吸困难/吞咽困难的概率是多少?
    • 是否需要根据放射组学特征调整特定患者的计划?

信息学

  • 发展肿瘤学预测分析,包括使用成像进行预测分析
  • 如何在诊所本地、云和混合系统中加强网络安全。
  • 如何利用新的“大数据”来源,如基因组学。

先进的治疗计划

  • 如何实现在线自适应计划?使大部分在线自适应计划的患者受益的临床病例有哪些?
  • 发展新型治疗技术,提高剂量的紧凑性和适形性。
  • 发展新型创新性图像分割算法,如包括形状、纹理等因素在内的基于概率的模型。
  • 发展仅限 MR 的计划。
  • 发展新型优化引擎,特别是改善计划的一致性和稳健性。
  • 如何提高 Eclipse API 的抽象水平。如何使 API 更易于使用,并使其能够使用更少的代码来解决问题。

成像

  • 如何改进软组织在同一分次中的成像。
  • 如何利用先验知识来改善 CBCT 图像质量。
  • 如何在 kV 和 MV 图像中准确地确定植入基准点(准确率 > 99.9%)。
  • 如何使用单一 2D 图像确定植入基准点的 3D 位置。
  • 发展无标记肿瘤追踪。
  • 发展治疗床非零度转角时在同一分次中的平面和立体成像技术。
  • 发展数字化体层融合。
  • 室内超声的前景怎样?
  • 室内功能成像的前景怎样?
  • 如何在标准工作流程中使用放射组学评估治疗期间的反应及潜在的治疗调整
  • 发展基于图像的肿瘤分析。
  • 如何提高生物信息学的可视化技术。

质量保证和安全

  • 如何分析机器日志文件以便在故障发生前进行预测。
  • 如何简化和自动化日常 QA 流程。
  • 如何提高整个放射治​​疗过程的安全性。

工作流程

  • 如何在管理肿瘤患者时使用生物传感器和可穿戴设备。
  • 如何使用游戏机制和其他技术来提高患者的参与度,例如,提高治疗过程中的治疗方案依从性、通过教育材料和生存情况增加参与度、提高长期随访的参与性。

联系方式:

Scott Johnson 博士
研究与战略协作总监
电话:+1-773-490-4721

Anthony Lujan 博士
全球研究合作高级经理
区域:北美东北和东南部
电话:+1-312-391-1976

Timo Berkus 博士
研究合作经理
区域:欧洲、印度和澳大利亚
电话:+49-151-1135-8407

Michael Davis,外科硕士兼法学博士
研究合作经理
区域:北美中部和西部、中南美洲、亚洲
电话:+1-713-397-4403

会议

10 月
17
RANZCR 2019
Auckland, New Zealand
10 月
17
10 月
18
IFHNOS World Tour 2019
Leuven, Belgium