Comprehensive deep learning-based framework for automatic organs-at-risk segmentation in head-and-neck and pelvis for MR-guided radiation therapy planning

Vanda Czipczer, Bernadett Kolozsvári, Borbála Deák-Karancsi, Marta E. Capala, Rachel A. Pearson, Emőke Borzási, Zsófia Együd, Szilvia Gaál, Gyöngyi Kelemen, Renáta Kószó, Viktor Paczona, Zoltán Végváry, Zsófia Karancsi, Ádám Kékesi, Edina Czunyi, Blanka H. Irmai, Nóra G. Keresnyei, Petra Nagypál, Renáta Czabány, Bence GyalaiBulcsú P. Tass, Balázs Cziria, Cristina Cozzini, Lloyd Estkowsky, Lehel Ferenczi, András Frontó, Ross Maxwell, István Megyeri, Michael Mian, Tao Tan, Jonathan Wyatt, Florian Wiesinger, Katalin Hideghéty, Hazel McCallum, Steven F. Petit, László Ruskó

研究成果: Article同行評審

1 引文 斯高帕斯(Scopus)

指紋

深入研究「Comprehensive deep learning-based framework for automatic organs-at-risk segmentation in head-and-neck and pelvis for MR-guided radiation therapy planning」主題。共同形成了獨特的指紋。

Medicine and Dentistry

Computer Science

Neuroscience

Engineering

Biochemistry, Genetics and Molecular Biology