An automated quality assurance system with deep learning for small cube-ball phantom localization in noisy megavoltage images
0Citations signalées, ce qui n’est pas une note de qualité
4Institutions déclarées
1Pays d’affiliation déclarés
Rattachement africain : kr. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- An automated quality assurance system with deep learning for small cube-ball phantom localization in noisy megavoltage images
- Date Crossref
- 27/02/2024
- Éditeur
- Springer Science and Business Media LLC
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Ulsan College Department of Radiation Oncology pays non établi dans la noticeUniversité ou école supérieure
-
Asan Medical Center pays non établi dans la noticeÉtablissement de santé
-
University of Ulsan pays non établi dans la noticeUniversité ou école supérieure
-
Seoul National University of Science and Technology Department of Smart ICT Convergence Engineering pays non établi dans la noticeUniversité ou école supérieure
Department of Radiation Oncology — Ulsan College, Asan Medical Center et University of Ulsan, avec 1 autre affiliation.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Advanced Radiotherapy TechniquesAdvanced X-ray and CT ImagingMedical Imaging Techniques and Applications