- -

Deep learning approach for denoising Monte Carlo dose distributions in proton therapy

RiuNet: Institutional repository of the Polithecnic University of Valencia

Share/Send to

Cited by

Statistics

Deep learning approach for denoising Monte Carlo dose distributions in proton therapy

Show full item record

Asensi Madrigal, JR. (2018). Deep learning approach for denoising Monte Carlo dose distributions in proton therapy. http://hdl.handle.net/10251/140594

Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10251/140594

Files in this item

Item Metadata

Title: Deep learning approach for denoising Monte Carlo dose distributions in proton therapy
Author: Asensi Madrigal, Jorge Ricardo
Director(s): Naranjo Ornedo, Valeriana
UPV Unit: Universitat Politècnica de València. Departamento de Sistemas Informáticos y Computación - Departament de Sistemes Informàtics i Computació
Universitat Politècnica de València. Escuela Técnica Superior de Ingenieros Industriales - Escola Tècnica Superior d'Enginyers Industrials
Read date / Event date:
2018-07-03
Issued date:
Abstract:
[ES] La planificación en radioterapia requiere simular la distribución de la dosis basada en la imagen del paciente, obtenida mediante Tomografía Axial Computarizada. La forma de generar esta simulación es mediante algoritmos ...[+]


[EN] Radiation therapy planning requires to simulate the dose distribution on a CT patient image. It is used an algorithm based on Monte Carlo to generate that simulation, but this algorithm produces some noise that need ...[+]
Subjects: Deep learning , Distribuciones de dosis , Monte Carlo , Protonterapia , Reducción de ruido , Planificación , Aplicación clínica , Dose distributions , Denoising , Proton therapy , Planning , Clinical application
Copyrigths: Reconocimiento - No comercial (by-nc)
degree: Grado en Ingeniería Biomédica-Grau en Enginyeria Biomèdica
Type: Proyecto/Trabajo fin de carrera/grado

This item appears in the following Collection(s)

Show full item record