کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6920504 1447922 2018 47 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Survey on deep learning for radiotherapy
ترجمه فارسی عنوان
بررسی یادگیری عمیق برای پرتودرمانی
کلمات کلیدی
رادیوتراپی، یادگیری عمیق، شبکه های متخلخل
ترجمه چکیده
در این مقاله ابتدا مفهوم یادگیری عمیق را توضیح می دهیم، آن را در زمینه گسترده تر یادگیری ماشین قرار می دهیم. شایع ترین معماری های شبکه با تمرکز بیشتر بر روی شبکه های عصبی کانولوشه ای ارائه شده است. سپس یک بررسی از آثار منتشر شده در مورد روشهای یادگیری عمیق ارائه می کنیم که می تواند برای پرتودرمانی استفاده شود که به هفت دسته مرتبط با گردش کار بیمار طبقه بندی می شود و می تواند برخی از بینش های کاربرد بالقوه آینده را ارائه دهد. ما تلاش کرده ایم که این مقاله را برای هر دو پرتودرمانی و جوامع یادگیری عمیق در دسترس قرار دهیم و امیدواریم که این همکاری های جدید بین این دو جوامع را برای توسعه برنامه های اختصاصی رادیوتراپی الهام بخشد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
پیش نمایش مقاله
بررسی یادگیری عمیق برای پرتودرمانی
چکیده انگلیسی
In this article, we first explain the concept of deep learning, addressing it in the broader context of machine learning. The most common network architectures are presented, with a more specific focus on convolutional neural networks. We then present a review of the published works on deep learning methods that can be applied to radiotherapy, which are classified into seven categories related to the patient workflow, and can provide some insights of potential future applications. We have attempted to make this paper accessible to both radiotherapy and deep learning communities, and hope that it will inspire new collaborations between these two communities to develop dedicated radiotherapy applications.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers in Biology and Medicine - Volume 98, 1 July 2018, Pages 126-146
نویسندگان
, , , ,