Vers la segmentation automatique des organes à risque dans le contexte de la prise en charge des tumeurs cérébrales par l’application des technologies de classification de deep learning
Les tumeurs cérébrales sont une cause majeure de décès et d'invalidité dans le monde, ce qui représente 14,1 millions de nouveaux cas de cancer et 8,2 millions de décès en 2012. La radiothérapie et la radiochirurgie sont parmi l'arsenal de techniques disponibles pour les traiter. Ces deux...
Main Author: | Dolz, Jose |
---|---|
Other Authors: | Lille 2 |
Language: | en |
Published: |
2016
|
Subjects: | |
Online Access: | http://www.theses.fr/2016LIL2S059/document |
Similar Items
-
Approche basées sur l'apprentissage en profondeur pour la segmentation des organes à risques dans les tomodensitométries thoraciques.
by: Trullo Ramirez, Roger
Published: (2018) -
Etude comparée des différents systèmes d’immobilisation en radiochirurgie cérébrale
by: Renier, Cécile
Published: (2020) -
Stacked Denoising Extreme Learning Machine Autoencoder Based on Graph Embedding for Feature Representation
by: Hongwei Ge, et al.
Published: (2019-01-01) -
Manifold Regularization Graph Structure Auto-Encoder to Detect Loop Closure for Visual SLAM
by: Zhonghua Wang, et al.
Published: (2019-01-01) -
Implementation of deep learning-based auto-segmentation for radiotherapy planning structures: a workflow study at two cancer centers
by: Jordan Wong, et al.
Published: (2021-06-01)