Zobrazeno 1 - 10
of 291
pro vyhledávání: '"Cárdenas, P. E."'
Autor:
Wahid, Kareem A., Cardenas, Carlos E., Marquez, Barbara, Netherton, Tucker J., Kann, Benjamin H., Court, Laurence E., He, Renjie, Naser, Mohamed A., Moreno, Amy C., Fuller, Clifton D., Fuentes, David
Deep learning has significantly advanced the potential for automated contouring in radiotherapy planning. In this manuscript, guided by contemporary literature, we underscore three key insights: (1) High-quality training data is essential for auto-co
Externí odkaz:
http://arxiv.org/abs/2310.10867
Autor:
Gronberg, Mary P., Beadle, Beth M., Garden, Adam S., Skinner, Heath, Gay, Skylar, Netherton, Tucker, Cao, Wenhua, Cardenas, Carlos E., Chung, Christine, Fuentes, David, Fuller, Clifton D., Howell, Rebecca M., Jhingran, Anuja, Lim, Tze Yee, Marquez, Barbara, Mumme, Raymond, Olanrewaju, Adenike M., Peterson, Christine B., Vazquez, Ivan, Whitaker, Thomas J., Wooten, Zachary, Yang, Ming, Court, Laurence E.
Publikováno v:
Practical Radiation Oncology, Volume 13, Issue 3, May-June 2023, Pages e282-e291
Purpose: This study aimed to use deep learning-based dose prediction to assess head and neck (HN) plan quality and identify suboptimal plans. Methods: A total of 245 VMAT HN plans were created using RapidPlan knowledge-based planning (KBP). A subset
Externí odkaz:
http://arxiv.org/abs/2209.14277
Autor:
Babier, Aaron, Mahmood, Rafid, Zhang, Binghao, Alves, Victor G. L., Barragán-Montero, Ana Maria, Beaudry, Joel, Cardenas, Carlos E., Chang, Yankui, Chen, Zijie, Chun, Jaehee, Diaz, Kelly, Eraso, Harold David, Faustmann, Erik, Gaj, Sibaji, Gay, Skylar, Gronberg, Mary, Guo, Bingqi, He, Junjun, Heilemann, Gerd, Hira, Sanchit, Huang, Yuliang, Ji, Fuxin, Jiang, Dashan, Giraldo, Jean Carlo Jimenez, Lee, Hoyeon, Lian, Jun, Liu, Shuolin, Liu, Keng-Chi, Marrugo, José, Miki, Kentaro, Nakamura, Kunio, Netherton, Tucker, Nguyen, Dan, Nourzadeh, Hamidreza, Osman, Alexander F. I., Peng, Zhao, Muñoz, José Darío Quinto, Ramsl, Christian, Rhee, Dong Joo, Rodriguez, Juan David, Shan, Hongming, Siebers, Jeffrey V., Soomro, Mumtaz H., Sun, Kay, Hoyos, Andrés Usuga, Valderrama, Carlos, Verbeek, Rob, Wang, Enpei, Willems, Siri, Wu, Qi, Xu, Xuanang, Yang, Sen, Yuan, Lulin, Zhu, Simeng, Zimmermann, Lukas, Moore, Kevin L., Purdie, Thomas G., McNiven, Andrea L., Chan, Timothy C. Y.
We establish an open framework for developing plan optimization models for knowledge-based planning (KBP) in radiotherapy. Our framework includes reference plans for 100 patients with head-and-neck cancer and high-quality dose predictions from 19 KBP
Externí odkaz:
http://arxiv.org/abs/2202.08303
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Cluster size distributions were investigated in case of different nozzle geometries in argon and xenon using Rayleigh scattering diagnostics. Different nozzle geometries result in different behaviour, therefore both spatial- and temporal cluster size
Externí odkaz:
http://arxiv.org/abs/1706.04367
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.