当前位置：
X-MOL 学术
›
J. Radiat. Res. Appl. Sci.
›
论文详情
Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)
Synthetic CT generation from cone-beam CT using deep-learning for breast adaptive radiotherapy
Journal of Radiation Research and Applied Sciences ( IF 1.7 ) Pub Date : 2022-04-05 , DOI: 10.1016/j.jrras.2022.03.009 Xuetao Wang , Wanwei Jian , Bailin Zhang , Lin Zhu , Qiang He , Huaizhi Jin , Geng Yang , Chunya Cai , Haoyu Meng , Xiang Tan , Fei Li , Zhenhui Dai
Journal of Radiation Research and Applied Sciences ( IF 1.7 ) Pub Date : 2022-04-05 , DOI: 10.1016/j.jrras.2022.03.009 Xuetao Wang , Wanwei Jian , Bailin Zhang , Lin Zhu , Qiang He , Huaizhi Jin , Geng Yang , Chunya Cai , Haoyu Meng , Xiang Tan , Fei Li , Zhenhui Dai
We investigated the feasibility of the generation of synthetic CT (sCT) from CBCT images with deep learning and the dose evaluation for CBCT-guided breast cancer adaptive radiotherapy.
中文翻译：
使用深度学习从锥形束 CT 生成合成 CT 用于乳腺适应性放射治疗
我们研究了通过深度学习从 CBCT 图像生成合成 CT (sCT) 的可行性以及 CBCT 引导的乳腺癌适应性放疗的剂量评估。
更新日期：2022-04-05
中文翻译：
使用深度学习从锥形束 CT 生成合成 CT 用于乳腺适应性放射治疗
我们研究了通过深度学习从 CBCT 图像生成合成 CT (sCT) 的可行性以及 CBCT 引导的乳腺癌适应性放疗的剂量评估。
京公网安备 11010802027423号