Miniatura

Fitxers

Andres-Rodriguez-Arnau.pdf (638.83 KB)

Tipus de document

Treball de fi de grau

Data de publicació

2023-06

Llicència de publicació

cc-by-nc-nd (c) Andrés, 2023
Si us plau utilitzeu sempre aquest identificador per citar o enllaçar aquest document: https://hdl.handle.net/2445/200775

Automatic segmentation of regions of interest with Deep Learning for postoperative endometrial carcinoma treatment

Títol de la revista

Autors

Director/Tutor

ISSN de la revista

Títol del volum

Recurs relacionat

Resum

This project aims to evaluate deep learning algorithms’ suitability to correctly delineate the regions of interest on computer tomography images for dosimetric computations, in the context of postoperative endometrial carcinoma treatment. To achieve this goal, the project includes the complete training and evaluation of two deep learning networks. Furthermore, a qualitative assessment of the predicted dosimetric computations and a post-processing of the predicted results have been conducted

Descripció

Treballs Finals de Grau de Física, Facultat de Física, Universitat de Barcelona, Curs: 2023, Tutora: Aida Niñerola Baizan

Matèries

Aprenentatge profund, Tomografia, Càncer d'endometri, Treballs de fi de grau

Matèries (anglès)

Deep learning, Tomography, Endometrial cancer, Bachelor's theses

Citació

Col·leccions

Treballs Finals de Grau (TFG) - Física

Citació

ANDRÉS RODRÍGUEZ, Arnau. Automatic segmentation of regions of interest with Deep Learning for postoperative endometrial carcinoma treatment. [consulta: 23 de gener de 2026]. [Disponible a: https://hdl.handle.net/2445/200775]

Exportar metadades

JSON - METS

Compartir registre