Deep learning for elective neck delineation: More consistent and time efficient.

van der Veen, J; Willems, S; Bollen, H; Maes, F; Nuyts, S

van der Veen, J; Willems, S; Bollen, H; Maes, F; Nuyts, S.

Afiliação

van der Veen J; KU Leuven, Dept. Oncology, Laboratory of Experimental Radiotherapy, & UZ Leuven, Radiation Oncology, Belgium.
Willems S; KU Leuven, Dept. ESAT, Processing Speech and Images (PSI), & UZ Leuven, Medical Imaging Research Center, Leuven, Belgium.
Bollen H; KU Leuven, Dept. Oncology, Laboratory of Experimental Radiotherapy, & UZ Leuven, Radiation Oncology, Belgium.
Maes F; KU Leuven, Dept. ESAT, Processing Speech and Images (PSI), & UZ Leuven, Medical Imaging Research Center, Leuven, Belgium.
Nuyts S; KU Leuven, Dept. Oncology, Laboratory of Experimental Radiotherapy, & UZ Leuven, Radiation Oncology, Belgium. Electronic address: sandra.nuyts@uzleuven.be.

Radiother Oncol ; 153: 180-188, 2020 12.

Article em En | MEDLINE | ID: mdl-33065182

Assuntos

Aprendizado Profundo; Neoplasias de Cabeça e Pescoço; Neoplasias de Cabeça e Pescoço/diagnóstico por imagem; Neoplasias de Cabeça e Pescoço/radioterapia; Humanos; Estadiamento de Neoplasias; Redes Neurais de Computação; Variações Dependentes do Observador

Palavras-chave

Delineation; Elective nodal target volumes; Head and neck neoplasms; Neural networks (computer); Observer variation; Radiotherapy

Texto completo

Adicionar na Minha BVS

Imprimir

XML

PubMed Links

Buscar no Google

Texto completo: 1 Coleções: 01-internacional Base de dados: MEDLINE Assunto principal: Aprendizado Profundo / Neoplasias de Cabeça e Pescoço Tipo de estudo: Guideline Limite: Humans Idioma: En Revista: Radiother Oncol Ano de publicação: 2020 Tipo de documento: Article País de afiliação: Bélgica País de publicação: Irlanda

Texto completo

Adicionar na Minha BVS

Imprimir

XML

PubMed Links

Buscar no Google