کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
8210820 | 1532974 | 2018 | 11 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Deep Learning Algorithm for Auto-Delineation of High-Risk Oropharyngeal Clinical Target Volumes With Built-In Dice Similarity Coefficient Parameter Optimization Function
ترجمه فارسی عنوان
الگوریتم درک عمیق برای تعیین خودکار اهداف بالینی خونریزی بینی با ریسک بالا با استفاده از تابع بهینه سازی پارامتر
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
موضوعات مرتبط
مهندسی و علوم پایه
فیزیک و نجوم
تشعشع
چکیده انگلیسی
These predicted high-risk CTVs provided close agreement to the ground-truth compared with current interobserver variability. The predicted contours could be implemented clinically, with only minor or no changes.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Radiation Oncology*Biology*Physics - Volume 101, Issue 2, 1 June 2018, Pages 468-478
Journal: International Journal of Radiation Oncology*Biology*Physics - Volume 101, Issue 2, 1 June 2018, Pages 468-478
نویسندگان
Carlos E. MS, Rachel E. BS, Laurence E. PhD, Baher A. MD, Hesham MD, Clifton D. MD, PhD, Mona J. MD, PhD, Mohamed A.M. MD, MSc, Abdallah S.R. MD, MSc, Arvind PhD, Bowman BS, Andrew MD, Jinzhong PhD, Michalis PhD,