[radiobiology] linear-quadratic model

輻射生物學裡面,有一個非常重要的模型,被稱為linear-quadratic model, 其嘗試用一個簡單的公式,來描述輻射劑量和細胞存活的關係(也就是survival curve)

其模型如下:

$ S= e^{-\alpha*D-\beta*D^2} $

其中

S 代表在輻射劑量 D 之下,細胞能夠存活的比例
$\alpha$, $\beta$ 是常數

先來確定初始值, D=0 時, S=1, 驗證成功!

這個模型其實核心概念不難理解,不過要牽扯到一些分子生物學的東西,今天我們知道輻射對生物體的傷害主要是透過傷害DNA來達成

其造成傷害的方式有很多種,包括:

1. base damage
2. SSB(single-strand break)
3. DSB(double-strand break)
4. DNA-DNA crosslink

其中, DSB, 有就是DNA雙股都斷裂,被認為是主要造成細胞死亡的機轉

好惹,既然了解了主要機轉後,那就能來了解這個公式了, 因為DNA有雙股,所以我們可以簡單發現兩股皆由同一個電子(或電子造成的自由基)破壞的機率和$D$成正比,兩股由不同的電子(或電子造成的自由基)破壞的機率和$D^2$成正比,所以就能理解這個公式惹

當兩個情形的發生機率差不多時,
$ \alpha*D=\beta*D^2 $

$ D=\alpha / \beta$

這數值被稱為alpha-beta ratio, 可以決定survival curve 的形狀, 這邊可以發現這個ratio的單位是Gy !!!!

alpha-beta ratio: 在腫瘤和 acutely responding tissue 值會比較大(很容易理解,就是因為低劑量反應就會很快); 相對的, 在late responding tissue的值會比較小

以上是我的整理,歡迎討論!


reference:
1. radiobiology for the radiologist   Eric. J Hall
2. basic clinical radiobiology

[radiobiology] 輻射生物學介紹

最近換了新工作, 新工作會用到許多輻射方面的知識, 輻射生物學(radiobiology)就是其中一門重要的學問, 因此來寫篇文章, 帶大家來理解輻射生物學的輪廓

首先, 先簡單定義一下輻射, 依照原子能委員會的定義, 輻射是一種帶有能量的波或粒子,包括了電磁波以及放射性物質發出的微小粒子

其中當輻射對生物體作用時,可分為兩類:

1.  excitation: 因為輻射的能量不夠,所以只能讓生物體內的電子由低能階到高能階,但並未激發電子
2.  ionization: 因為輻射的能量夠,所以能讓生物體內的電子脫離原子核束縛,成為自由電子,能夠讓電子被激發的輻射就被稱為游離輻射(ionization radiation)

好惹,到這裡我們終於可以定義輻射生物學惹,輻射生物學就是一門研究"游離輻射"對生物體作用的一門學問

好惹,既然要研究輻射對生物體的作用,那就不得不提到DNA惹,大家都知道DNA對細胞來說,非常重要,破壞DNA,會對細胞的複製以及功能表現產生極大的影響

游離輻射影響DNA的方式有兩種:

1.    direct action(直接): 游離輻射對原子作用,產生的自由電子直接對DNA作用
2. indirect action(間接): 游離輻射對原子作用,產生的自由電子去撞擊到水分子,產生自由基後再去對DNA作用

p.s. 不要把direct(indirect) action of radiation 和 direct(indirect) ionizing radiation 搞混

1.   direct ionizing radiation: 指得是"帶電粒子", 直接對原子作用, 進而產生自由電子
      例如: alpha, beta 粒子利用庫倫力(及同電性相斥,異電性相吸)直接對原子作用,產生自由電子
2.indirect ionizing radiation: 指得是"不帶電粒子", 經過一連串的反應,產生自由電子
   

講完一些基本概念,接下來來講輻射劑量

1.   absorbed dose(吸收劑量): 單位為Gray(Gy),中文翻譯為格雷, 1 Gy = 1 J/kg, 一格雷代表每公斤吸收一焦耳能量

2. equivalent dose(等價劑量): 單位為Sievert(Sv),中文翻譯為西弗, 1 Sv= 1J/kg, 看起來跟格雷單位一樣,實際上主要差別在於生物體吸收劑量後, 其實際生物效應會和輻射種類有關,  因此eqivalent dose = absorbed dose* radiation weigting factor

其中,決定radiation weigted factor數值的是一個國際權威機構, 其名為ICRP

3. effective dose (等效劑量): 單位也是Sievert(Sv),其和等價劑量的差異是在,生物體的各個部位對輻射的反應會不同,  因此, effective dose = eqivalent dose* tissue weighting factor, 其中,決定tissue weighted factor 亦為ICRP

了解了輻射單位後,來看看輻射對生物體作用的形式有兩種:

1. deterministic effect (確定效應): 只要超過一定輻射劑量,就會引起疾病,齊集定嚴重度和劑量成正比,但若未超過,則不會產生疾病!  Ex. 白內障

2.      stochastic effect (機率效應):  只要有劑量,及有機率發生, 其發生機率和劑量成正比

    Ex. 白血病,癌症

參考資料:
1. 行政院原子能委員會 
2. radiobiology for the radiologist by Eric J Hall
3. http://www.kmuh.org.tw/www/kmcj/data/10611/4.htm
4. http://www.who.int/ionizing_radiation/about/what_is_ir/en/
5. http://www.icrp.org/publication.asp?id=ICRP%20Publication%20103
6. http://ocw.nthu.edu.tw/ocw/index.php?page=chapter&cid=42&chid=779

[機器學習] validation

在機器學習裡面, 我們知道今天用training data來訓練模型,在我們把模型來去實際應用前,我們需要一個方法來驗證我們模型的準確度,這個方法就叫做validation(驗證)

validation 就是指我們把training資料分成兩份, 一份當作training data, 另一份當作 validation data(也就是拿來當作已知的testing data), 來估計模型的準確度

但單用validation在小樣本時會有問題, 因此就有人發現到, 咦, 我們每次把資料分成兩半,拿來當validation data 的資料沒有被用來training,於是就有人決定把它拿來當作training data,另外一半當作validation data惹~ 這種方法就叫做cross validation(交互驗證)

cross validation 的做法很多,以下來介紹常見的 K-fold cross validation:
其原理很簡單, 把資料分作K份,每次其中一份當testing data,其餘當作training data. 這樣做個K次來看模型的預測能力

當然囉,要看模型的預測能力有很多方法,有興趣的可以去reference 2 的網站看,裡面列出很多方法!


reference:
1. https://www.kaggle.com/dansbecker/cross-validation
2. http://scikit-learn.org/stable/modules/cross_validation.html#cross-validation

[機器學習] training v.s. testing

在機器學習裡面,有一個很重要的概念,叫做training 和 testing

training:  我們利用已有的資料來訓練模型,進而得到目標函數
testing:    把training 後的目標函數, 拿去應用在現實例子中

其中training 會得到 in-sample error; testing 會得到out-sample error

舉例來說,我們想利用病人的檢查結果來預測癌症, 於是我們會先把手上有的資料拿來訓練模型(training); 之後訓練好再把它丟出來給大家拿來預測(testing)

那這些error 是怎麼來的呢, 我們知道在機率與統計裡有一個概念,也就是variance 和 bias

以下用打靶來比喻:

variance :指得是每次射擊的彈孔間的差異
bias        :指的是彈孔離靶心有多遠

今天我們如果模型越簡單, 其variance會越小,因為data 對模型的影響越小
反之,如果模型越複雜,其bias 會越小, 因為模型越複雜,越有可能逼近真正的情況

所以綜上所述,我們可以發現 bias 和variance 有tradeoff

當模型太簡單,導致bias 太大 => 被稱作 underfitting
=> 解決方法:
1. 修改模型

當模型太複雜,導致variance太大=> 被稱作 overfitting
p.s. 有些書上有另外一種定義方法, 也就是因為模型太複雜,所以in-sample error會很小,但是out-sample error 會很大 (其實意思差不多, 因為 variance 一變大, out-off sample error 和 in-sample error 的差別會變大, 所以最後得到的 out-sample error 可能比簡單模型還大)

=> 解決方法:
1. 蒐集更多資料
2. regularization

reference:
1. 李宏毅教授 youtube
2.  learning from data

[食記] 柳營家屋

柳營家屋位於敏惠醫專的對面,超級不明顯,一不小心就會把它當成一般建築物,咻的一聲就開過去了! 其實這家店非常有名,問過不少在地人都超推這家,今天就來帶大家一探究竟

這家真的蠻好吃的, 我一個禮拜來了兩次XD

首先是菜單

可以看到種類非常豐富, 主要是簡餐類的,包括麵,飯都有, 以下是小弟點的

牛肉拌飯

這道非常特別,剛開始上來牛肉都是生的, 是藉由石鍋的溫度加熱, 慢慢煮,之後肉會熟,飯會有鍋巴,吃起來很香,很好吃, 口齒留香~


泡菜豆腐鍋

分量超大, 裡面的黃金泡菜非常經典,酸甜滋味搭配海鮮和豆腐,超級下飯,一下子就全部吃完了XD


隨餐附的飲料

金桔檸檬, 餐後去油膩, 清爽好喝


餐後甜點

總的來說, 這家真的超推薦, 走過路過不要錯過, 絕對不會後悔!!!!

地址如下:

[食記] 新營李家宇航牛肉湯

台南牛肉湯很有名,新營做為舊台南縣府所在地,好喝的牛肉湯也是不少,這次就來介紹其中一家店,新營李家宇航牛肉湯

先來看個菜單

店內的各式醬料

既然來到了牛肉湯店,選擇牛肉湯是必然的,於是我點了這些菜



其中魯肉飯是吃到飽的,只要點到110元,內用即可魯肉飯吃到飽

這間的牛肉湯喝起來很特別, 滑順帶有清香, 牛肉煮的恰到好處, 軟嫩而不爛, 搭配上店家的醬汁, 真是讓人一口接一口, 一下就吃了兩碗白飯, 青菜炒的也是香甜酥脆, 好吃!!!

帶著滿足的心情,我踏上了回家的路途,下次我又將挑戰哪家牛肉湯呢?
敬請期待!!!!


地址在這

 

我對安寧醫療的看法

身為一位臨床醫師,總是深深體會到醫學的極限, 現今的 醫學, 我們可以在病人血壓掉的時候使用升壓劑; 在病人喘不過氣的時候,使用呼吸器; 在病人心跳停止時,執行CPR,但不管我們怎樣維持病人的生命徵象,許多時候我們都知道這些只是假象,病人的病況終究是回不來了

醫學有其極限,有時在家屬的期待下積極搶救,各種醫學技術,對病人來說真的很折磨! 家屬的不捨容易理解,但病人痛苦的神情,更是深深的烙印在我們的腦海裡! 能吃能動能笑才是人生,紹了這些,痛苦的躺在病床上,這樣,真的算活著嗎?

因此,我認為安寧醫療在台灣的推廣是正確的方向,病人臨終,病況不可逆時,需要不應該是積極治療,反而應該是症狀緩和治療以及靈性層面的陪伴!

希望台灣社會能越來越進步,減少無效醫療,生命短暫,臨終時的痛苦不能因為醫療技術而越拖越久,該離去的,就讓他/她離去吧!