- -

Development of Deep Learning models to support Proton Range Verification in Hadron Therapy

RiuNet: Institutional repository of the Polithecnic University of Valencia

Share/Send to

Cited by

Statistics

  • Estadisticas de Uso

Development of Deep Learning models to support Proton Range Verification in Hadron Therapy

Show simple item record

Files in this item

dc.contributor.advisor Gómez Adrian, Jon Ander es_ES
dc.contributor.advisor Llosá Llácer, Gabriela es_ES
dc.contributor.author Cano Caravaca, Vicent es_ES
dc.date.accessioned 2022-09-14T13:21:15Z
dc.date.available 2022-09-14T13:21:15Z
dc.date.created 2022-07-15
dc.date.issued 2022-09-14 es_ES
dc.identifier.uri http://hdl.handle.net/10251/186008
dc.description.abstract [ES] El tratamiento del cáncer es un campo en constante evolución, en el cual cada año se proponen e investigan nuevos métodos experimentales. La terapia Hádrónica es uno de los métodos de tratamiento del cáncer más prometedores que se están aplicando y mejorando actualmente. Aunque fue propuesto por primera vez en 1946, la tecnología de la época limito sus usos significativamente. En los últimos años, la terapia hadrónica está ganando mucha popularidad, con un incremento de instalaciones e investigaciones científicas centradas en este método. Los beneficios de la terapia hadrónica son destacables, ya que ofrece la posibilidad de tratar tumores de forma más focalizada, es decir, tratando de forma más eficiente el tumor y dañando menos los tejidos de alrededor. No obstante, esta focalización hace necesaria la aplicación de márgenes de seguridad, los cuales limitan el potencial de la terapia hadrónica. Para reducir estos márgenes, se están investigando técnicas de monitorización. MACACO II, es una cámara Compton multicapa que está siendo desarrollada en el IFIC (Valencia) para llevar a cabo esta monitorización. Este trabajo explora las posibilidades del Machine Learning para seleccionar los eventos captados por la cámara Compton, con el propósito de incrementar el ratio de señal contra ruido antes de la reconstrucción de imagen. Objetivos: -Diseñar redes neuronales capaces de clasificar eventos captados por una cámara Compton como señal o ruido a partir de simulaciones Monte Carlo. -Mejorar los resultados de experimentos previos realizados por el IFIC. es_ES
dc.description.abstract [EN] Cancer treatment is a field in constant development, with new experimental methods being proposed and researched every year. Hadron therapy is one of the most promising cancer treatment methods currently being applied and improved. Despite being first proposed in 1946, the technology of the moment limited its uses significantly. These last years hadron therapy has been gaining much momentum, with an increase of facilities and scientific research focused on this method. The benefits of hadron therapy are remarkable since it offers the possibility to treat tumors in a more focalized way, that is, damaging less the surrounding tissues and treating more efficiently the tumor. However, this focus makes necessary the application of safety margins, limiting the applicability of hadron therapy. In order to reduce these margins, monitoring techniques are being researched. MACACO II, a multi¿layer Compton Camera, is being developed at IFIC (Valencia) for this purpose. This work explores the possibilities of Machine Learning to select the events captured by the Compton Camera to increase the signal-to-background ratio before image reconstruction. Objectives: - Design neural networks to discriminate events detected by a Compton camera between signal and noise from Monte Carlo simulations. - Improve the results obtained by IFIC in previous experiments. es_ES
dc.description.abstract [CA] El tractament del càncer és un camp en constant evolució, en el qual cada any es proposen i investiguen nous mètodes experimentals. La teràpia Hadrònica és un dels mètodes de tractament del càncer més prometedors que s’estan aplicant i millorant actualment. Encara que va ser proposat per primera vegada en 1946, la tecnologia de l’època va limitar els seus usos significativament. En els últims anys, la teràpia hadrònica està guanyant molta popularitat, amb un increment d’instal·lacions i investigacions científiques centrades en aquest mètode. Els beneficis de la teràpia hadrònica són destacables, ja que ofereix la possibilitat de tractar tumors de manera més focalitzada, és a dir, tractant de forma més eficient el tumor i fent menys mal als teixits del voltant. No obstant això, aquesta focalització fa que s’hagen d’aplicar marges de seguretat, limitant el potencial de la teràpia hadrònica. Per reduir aquests marges, s’estan investigant tècniques de monitoratge. MACACO II, és una càmera Compton multicapa que està sent desenvolupada al IFIC (València) per dur a terme aquest monitoratge. Aquest treball explora les possibilitats del Machine Learning per seleccionar els esdeveniments captats per la càmera Compton, amb l’objectiu d’incrementar la proporció de senyal contra soroll abans de la reconstrucció d’imatge. es_ES
dc.format.extent 70 es_ES
dc.language Inglés es_ES
dc.publisher Universitat Politècnica de València es_ES
dc.rights Reconocimiento - No comercial - Compartir igual (by-nc-sa) es_ES
dc.subject Redes Neuronales es_ES
dc.subject Deep Learning es_ES
dc.subject Terapia Hadrónica es_ES
dc.subject Simulaciones Monte Carlo es_ES
dc.subject Neural Networks es_ES
dc.subject Hadron therapy es_ES
dc.subject Monte Carlo simulations es_ES
dc.subject Teràpia hadrònica es_ES
dc.subject Tractament del càncer es_ES
dc.subject Xarxes neuronals es_ES
dc.subject.classification LENGUAJES Y SISTEMAS INFORMATICOS es_ES
dc.subject.other Grado en Ingeniería Informática-Grau en Enginyeria Informàtica es_ES
dc.title Development of Deep Learning models to support Proton Range Verification in Hadron Therapy es_ES
dc.title.alternative Desarrollo de modelos basados en Deep Learning para dar soporte a la verificación del rango de los protones en terapia Hadrónica es_ES
dc.title.alternative Desenvolupamennt de models basats en Deep Learning per a ajudar en la verificació del rango dels protóns en teràpia Hadrònica es_ES
dc.type Proyecto/Trabajo fin de carrera/grado es_ES
dc.rights.accessRights Abierto es_ES
dc.contributor.affiliation Universitat Politècnica de València. Departamento de Sistemas Informáticos y Computación - Departament de Sistemes Informàtics i Computació es_ES
dc.contributor.affiliation Universitat Politècnica de València. Escola Tècnica Superior d'Enginyeria Informàtica es_ES
dc.description.bibliographicCitation Cano Caravaca, V. (2022). Development of Deep Learning models to support Proton Range Verification in Hadron Therapy. Universitat Politècnica de València. http://hdl.handle.net/10251/186008 es_ES
dc.description.accrualMethod TFGM es_ES
dc.relation.pasarela TFGM\149933 es_ES


This item appears in the following Collection(s)

Show simple item record