Dose distribution prediction in isodose feature-preserving voxelization domain using deep convolutional neural network.

Ma, Ming; K Buyyounouski, Mark; Vasudevan, Varun; Xing, Lei; Yang, Yong

Ma, Ming; K Buyyounouski, Mark; Vasudevan, Varun; Xing, Lei; Yang, Yong.

Afiliación

Ma M; Department of Radiation Oncology, Stanford University, 875 Blake Wilbur Drive, Stanford, CA, 94305-5847, USA.
K Buyyounouski M; Department of Radiation Oncology, Stanford University, 875 Blake Wilbur Drive, Stanford, CA, 94305-5847, USA.
Vasudevan V; Department of Radiation Oncology, Stanford University, 875 Blake Wilbur Drive, Stanford, CA, 94305-5847, USA.
Xing L; Department of Radiation Oncology, Stanford University, 875 Blake Wilbur Drive, Stanford, CA, 94305-5847, USA.
Yang Y; Department of Radiation Oncology, Stanford University, 875 Blake Wilbur Drive, Stanford, CA, 94305-5847, USA.

Med Phys ; 46(7): 2978-2987, 2019 Jul.

Article en En | MEDLINE | ID: mdl-31112305

Asunto(s)

Aprendizaje Profundo; Dosis de Radiación; Radioterapia de Intensidad Modulada; Dosificación Radioterapéutica; Planificación de la Radioterapia Asistida por Computador

Palabras clave

VMAT; convolutional neural network; deep learning; dose prediction; isodose feature-preserving voxelization

Texto completo

Imprimir

XML

PubMed Links

Buscar en Google

Texto completo: 1 Bases de datos: MEDLINE Asunto principal: Dosis de Radiación / Radioterapia de Intensidad Modulada / Aprendizaje Profundo Tipo de estudio: Prognostic_studies / Risk_factors_studies Idioma: En Revista: Med Phys Año: 2019 Tipo del documento: Article País de afiliación: Estados Unidos

Texto completo

Imprimir

XML

PubMed Links

Buscar en Google